Utiliser l'apprentissage automatique pour créer des cartes qui donnent des conseils de conduite plus intelligents

En association avec Fondation du Qatar

Si vous conduisez aux États-Unis, il y a de fortes chances que vous ne vous souveniez pas de la dernière fois que vous avez acheté une carte papier, imprimé une carte numérique ou même vous êtes arrêté pour demander votre chemin. Grâce au Global Positioning System (GPS) et aux applications mobiles de cartographie sur nos smartphones et leurs conseils d'itinéraire en temps réel, la navigation est un problème résolu.

Mais dans les régions du monde en développement ou à croissance rapide, pas tellement. Si vous vivez dans un endroit comme Doha, au Qatar, où la longueur du réseau routier a triplé au cours des cinq dernières années, les services de cartographie commerciaux de Google, Apple, Bing ou d'autres fournisseurs ne peuvent tout simplement pas suivre le rythme des infrastructures monnaie.

Chacun d'entre nous qui a grandi en Europe ou aux États-Unis ne peut probablement pas comprendre l'échelle à laquelle ces villes se développent, déclare Rade Stanojevic, chercheur principal au Qatar Computing Research Institute (QCRI), qui fait partie de l'Université Hamad Bin Khalifa, une fondation du Qatar. université, à Doha. Presque tous les quartiers voient un nouveau passage souterrain, un nouveau viaduc, une nouvelle grande autoroute ajoutée tous les deux mois.

Alors que le Qatar fait face à cette croissance rapide - et en particulier alors qu'il se prépare à accueillir la Coupe du Monde de la FIFA en 2022 - les mauvais conseils d'itinéraire et les retards de voyage accumulés à cause de cartes numériques obsolètes sont de plus en plus coûteux. C'est pourquoi Stanojevic et ses collègues du QCRI ont décidé d'essayer d'appliquer l'apprentissage automatique au problème.

Un réseau routier peut être interprété comme un graphe géant dans lequel chaque intersection est un nœud et chaque route est une arête, explique Stanojevic, dont la spécialité est l'économie des réseaux. Les segments de route peuvent avoir à la fois des caractéristiques statiques, telles que la limite de vitesse désignée, et des caractéristiques dynamiques, telles que la congestion aux heures de pointe. Pour voir où va vraiment le trafic - plutôt que là où une vieille carte dit qu'il devrait aller - et ensuite prédire les meilleurs itinéraires à travers un labyrinthe en constante évolution, tout ce dont un modèle d'apprentissage automatique aurait besoin, c'est de beaucoup de données à jour sur à la fois les facteurs statiques et dynamiques. Heureusement, les flottes de véhicules modernes disposent de ces systèmes de surveillance qui produisent beaucoup de données, explique Stanojevic.

Stanojevic parle de taxis. Son équipe de QCRI s'est associée à une société de taxis basée à Doha appelée Karwa pour collecter des données GPS complètes sur les allées et venues de leurs véhicules. Ils ont utilisé ces données pour créer un nouveau service de cartographie appelé QARTA qui offre des conseils d'itinéraire aux chauffeurs de Karwa et à d'autres opérateurs tels que les flottes de livraison.

Stanojevic affirme que la compréhension plus approfondie de QARTA de la situation réelle de la route et du trafic à Doha aide les conducteurs à gagner des dizaines de secondes sur chaque trajet, ce qui se traduit par un gain d'efficacité de 5 à 10 % sur l'ensemble de la flotte. Si vous exploitez une flotte de 3 000 voitures, 5 % de celle-ci représentent 150 voitures, dit Stanojevic. Vous pouvez essentiellement retirer 150 voitures de la route et ne perdre aucune activité.

Bien que le système de QCRI ne puisse probablement pas rivaliser avec les grands fournisseurs de services cartographiques du monde développé, il pourrait aider les villes du Moyen-Orient et d'autres régions en développement à gérer la croissance de manière plus judicieuse, a déclaré Stanojevic. Et dans quelques années, alors que de plus en plus de véhicules autonomes descendent dans les rues, les conseils d'itinéraire basés sur l'apprentissage automatique pourraient avoir une vue d'ensemble dans une ville animée et aider les flottes à réduire les émissions de carbone en évitant aux conducteurs les embouteillages. En ayant une sorte de vue globale de ce qui se passe dans toute la ville, les véhicules autonomes peuvent en fait nous rediriger pour avoir une sorte d'équilibrage de charge global, pour aider tout le monde à être mieux loti.

Ce podcast a été réalisé en partenariat avec la Qatar Foundation.

Afficher les notes et les liens

Institut de recherche informatique du Qatar

Acheminement du trafic dans la ville en constante évolution de Doha , Sofiane Abbar, Rade Stanojevic, Shadab Mustafa et Mohamed Mokbel, Communications de l'ACM, avril 2021

Transcription complète

Laure Ruma : De MIT Technology Review, je suis Laurel, et voici Business Lab, l'émission qui aide les chefs d'entreprise à donner un sens aux nouvelles technologies qui sortent du laboratoire et arrivent sur le marché.

Notre sujet aujourd'hui, une meilleure cartographie pour les villes à croissance rapide. Trafic. La circulation est difficile pour nous tous, mais avec un nombre croissant de véhicules sur les routes et les embouteillages, les applications qui tentent de calculer les meilleurs itinéraires ne peuvent pas miraculeusement créer des raccourcis. Mais que se passe-t-il lorsque votre pays double de taille en 10 ans ? Nouvelles routes, nouveaux quartiers, nouveaux bâtiments : c'est l'heure d'une nouvelle carte.

Deux mots pour vous : Cartographie automatique.

Mon invité est le Dr Rade Stanojevic, qui est chercheur principal au Qatar Computing Research Institute, qui fait partie de l'Université Hamad Bin Khalifa, une université de la Fondation du Qatar. Le Dr Stanojevic étudie les réseaux informatiques et l'économie des réseaux. Il utilise actuellement la théorie des graphes, l'apprentissage automatique et d'autres techniques pour essayer de créer des modèles plus précis du trafic réel à Doha, au Qatar et dans d'autres villes.

Avant de rejoindre QCRI, il a passé du temps en tant que chercheur à l'Institut du réseau d'études avancées de Madrid et à Telefonica I&D en Espagne.

Cet épisode de Business Lab est réalisé en collaboration avec la Qatar Foundation.

Bienvenue, docteur Stanojevic.

Rade Stanojevic : C'est super d'être avec toi aujourd'hui, Laurel. Merci.

Laurier: Donc, dernièrement, vous vous êtes concentré sur une question très spécifique, à savoir comment écrire un logiciel de cartographie capable de générer des estimations plus précises du temps de trajet si quelqu'un conduit d'un point A à un point B. Et quiconque s'est déjà retrouvé coincé dans les embouteillages parce que ils ont choisi les mauvais itinéraires peuvent comprendre pourquoi cela pourrait être utile. Mais pouvez-vous expliquer pourquoi la compréhension du trafic est un problème de science de réseau et quelles informations une approche d'analyse de réseau peut apporter ?

Radé : Donc, pour bien comprendre le problème que vous venez de mentionner, comment router du point A au point B, vous avez essentiellement besoin de deux choses. Vous avez besoin d'une carte précise et d'un modèle de trafic précis en plus de cette carte. Et ces deux problèmes sont à la fois des problèmes de science des réseaux et d'apprentissage automatique. Donc, si vous considérez le réseau routier comme un réseau ou un graphe, ce réseau est essentiellement une liste de tronçons, une liste de nœuds et une liste de tronçons, où le tronçon est le segment de route. Ce segment de route, ce qui fait de ce réseau routier et objet d'étude intéressant, c'est la complexité qui vient des caractéristiques de ces bords dans le réseau.

Ainsi, les caractéristiques de ces segments de route, nous pouvons les diviser en deux types. L'une sont des caractéristiques statiques. Ce sont des choses comme la limite de vitesse, le nombre de voies, le type de paiement, et cetera. Et c'est le genre de choses qu'une fois que vous avez bien compris, vous avez bien compris pour toujours.

Par contre, certaines caractéristiques du réseau routier sont plus dynamiques. Donc, ce sont le genre de choses qui sont liées au trafic, au niveau de congestion, à la vitesse moyenne, qui dépendent de l'heure de la journée, du jour de la semaine. Certains événements que nous ne pouvons pas vraiment anticiper à l'avance, et cetera. Comprendre à la fois la nature statique sous-jacente du réseau routier ainsi que les parties dynamiques qui proviennent du trafic est ce qui rend tout ce problème intéressant et utile à la vie quotidienne, et en particulier, les analyses de rentabilisation dont nous parlerons probablement un peu plus tard. que, que nous traitons.

Laurier: Eh bien, en parlant de dynamique, la population du Qatar a presque doublé en seulement 10 ans, ce qui crée un énorme problème, car de nouvelles routes et de nouveaux bâtiments sont construits et les conducteurs sont bloqués dans la circulation, mais ils avaient ces cartes rapidement obsolètes qui sont devenues obsolètes. . Comment avez-vous vu cela comme une opportunité d'aider ces chauffeurs et les villes elles-mêmes ?

Radé : Oh mec. Ainsi, chacun d'entre nous qui a grandi en Europe ou aux États-Unis n'a probablement pas pu ou ne peut pas comprendre l'échelle à laquelle ces villes se développent. Ainsi, dans ma ville natale, qui est une ville de 200 ou 250 000 habitants, le seul véritable changement dans l'infrastructure du réseau routier qui s'est produit au cours des 20 dernières années depuis mon enfance n'a été qu'un seul pont qui a été construit. Cependant, dans la ville de Doha, à peu près tous les quartiers voient un nouveau passage souterrain, un nouveau viaduc, une nouvelle grande autoroute ajoutée tous les deux mois. Donc, avec ce genre de vitesse à laquelle la ville se développe, les services de cartographie traditionnels ne peuvent pas vraiment suivre le rythme. Et cela a provoqué une énorme surprise pour la plupart d'entre nous qui venions d'Europe ou d'Amérique du Nord. Nous avons été étonnés lorsque nous sommes arrivés dans la ville et avons réalisé que tous les services que nous tenons pour acquis comme Google Maps ou Bing Maps ou Apple Maps, quelle que soit votre carte numérique préférée, ils ne fonctionnent tout simplement pas. Ils ne travaillent pas dans la ville de Doha.

Et la raison pour laquelle ils ne fonctionnent pas est qu'ils n'ont pas été construits sur l'hypothèse que l'infrastructure change aussi rapidement qu'à Doha. Ainsi, à l'Institut, au QCRI, nous avons réalisé que beaucoup de ces questions pouvaient être résolues grâce à la science des réseaux et à l'apprentissage automatique. Et plusieurs d'entre nous ont commencé à se pencher sur le problème de l'inférence cartographique automatique. Nous avons commencé avec cela en 2017, et nous avons réalisé que ce problème est à la fois incroyablement important pour de nombreuses villes en développement, mais aussi très difficile. Et nous avons fait beaucoup de progrès dans cette partie, dans la compréhension du réseau sous-jacent. Et puis plus tard, on s'est rendu compte comment on pouvait ajouter en plus de ça, ces propriétés dynamiques de la carte, qui sont liées au trafic.

Laurier: Je pense que c'est une très bonne façon d'essayer d'expliquer aux gens qui ne comprennent peut-être pas l'ajout d'une nouvelle autoroute ou d'une nouvelle rampe d'accès ou d'un nouveau viaduc à chaque quartier comme ça, c'est étonnant, n'est-ce pas ?

Radé : C'est stupéfiant. Donc, fondamentalement, au cours des sept dernières années, depuis 2013, la longueur de l'infrastructure routière de la ville de Doha a triplé. Il est donc très difficile de comprendre ce nombre. C'est une quantité incroyable d'infrastructures qui sont construites. Tout cela fait partie du projet qui vise à construire l'infrastructure appropriée pour la Coupe du monde qui se déroule dans environ 18 mois ici à Doha, la coupe du monde de football ou, comme vous diriez en Amérique du Nord, le football.

Laurier: Alors pourquoi les cartographes comme Google, Bing et Apple Maps ont-ils eu autant de mal à suivre ? Par exemple, comment estiment-ils traditionnellement les temps de trajet et la cartographie ? Envoyer la voiture Google pour cartographier les quartiers ?

Radé : En fait, c'est une question intéressante. Donc, fondamentalement, la plupart des fabricants de cartes traditionnels tels que Google Maps ou Here Maps ou Bing Maps, ont normalement une carte statique qu'ils achètent une fois tous les deux ans, auprès du gouvernement ou des fournisseurs de cartes locaux. Et puis ils partent du principe que ces cartes changent de temps en temps, et qu'ils peuvent détecter ces changements, en observant une sorte de données à leur disposition, soit en suivant les téléphones où ils ont une sorte de services de localisation, ou par d'autres moyens. Les hypothèses sous-jacentes selon lesquelles les réseaux routiers ne changent pas aussi souvent. Ainsi, chaque fois que le réseau routier change, il faudrait un annotateur humain pour étiqueter le changement et mettre à jour la carte. Cependant, dans une ville comme Doha, où des changements se produisent constamment et quotidiennement, cette hypothèse sous-jacente est brisée.

Une intersection majeure qui a été modifiée en 2016, lorsque nous avons déménagé, lorsque j'ai déménagé à Doha, à quelques centaines de mètres de notre bureau, il a fallu environ 18 mois pour que cette intersection soit reflétée dans Google Maps. Donc, fondamentalement, cette intersection était invisible pour Google Maps pendant environ 18 mois. Et tous ces itinéraires qui devraient passer par cette intersection obligeaient essentiellement les conducteurs à faire un grand détour totalement inutile. Et Google s'est amélioré au fil des ans, Google et d'autres services de cartographie, ils se sont améliorés avec le temps. Ils reconnaissent le problème et maintenant il ne leur faut pas 18 mois pour refléter le changement. Maintenant, ce processus est raccourci à quelques mois. Mais même quelques mois peuvent être longs si un chauffeur, un taxi ou un chauffeur-livreur a besoin d'un itinéraire précis et optimal. Et nous avons vu cela comme une opportunité de résoudre le problème avec autant de données que nous pouvions acquérir et aussi rapidement que possible.

Laurier: Ouais, un temps de réponse de deux mois semble impossible dans la vie en temps réel de tout le monde, n'est-ce pas ? Alors, comment avez-vous, vous et votre équipe, trouvé une meilleure façon d'estimer les temps de trajet ? Racontez-moi l'histoire de la compagnie de taxi Karwa.

Radé : C'est une histoire intéressante, mais permettez-moi de dire quelques mots sur ce qui est l'ingrédient clé pour résoudre le problème des itinéraires précis et des temps de trajet précis dans la ville en évolution rapide qu'est Doha. L'ingrédient clé est la mise à jour constante des cartes. Donc, observer la carte, observer les changements qui se produisent et y faire face le plus rapidement possible, idéalement de manière entièrement automatique, est la clé. Nous ne pourrions donc pas le faire sans le partenariat avec Karwa.

So Karwa est une compagnie de taxi locale qui exploite environ 3 000 véhicules dans la ville. Il produit une grande quantité d'informations que nous utilisons pour créer la carte sous-jacente et également pour créer le modèle de trafic au-dessus de cette carte. Et il y a une histoire intéressante sur la façon dont nous avons lancé ce projet. Donc, ce projet a commencé purement comme un projet de recherche, comme je l'ai mentionné, peut-être vers 2017 ou début 2018, nous avons eu notre première rencontre avec la compagnie de taxi. Et à ce moment-là, nous avons fait des progrès concernant les services cartographiques, le projet d'inférence cartographique automatique dont j'ai parlé il y a quelques minutes. Mais après avoir partagé ces premiers résultats avec eux, ils nous ont dit qu'ils utilisaient Google Maps. Ils n'étaient pas satisfaits à cent pour cent de cela, mais le fait que tout ce service était relativement bon marché, quelque part dans l'ordre de grandeur entre 10 000 $ et 20 000 $ par an, ce n'était pas un poste énorme dans leur facture annuelle. Et ils nous ont dit en gros, nous ne nous inquiétons pas vraiment de ce genre de problèmes parce que nous achetons que l'information n'est pas parfaitement précise, mais c'est assez bon marché pour que nous ne nous en inquiétions pas.

Et puis nous étions d'accord avec ça. C'était juste, c'est comme ça. Si Google ou les services commerciaux de cartes peuvent vendre cela à un prix aussi bas, cela n'a pas vraiment de sens que la compagnie de taxi s'en soucie beaucoup. Cependant, Google Maps, ainsi que de nombreux autres fournisseurs de cartes, ont pratiquement augmenté les prix des services de l'API cartographique de 10 à 20 à la fin de 2018. Et à ce moment-là, avec la croissance de leur volume, leurs factures sont passées de des dizaines de milliers de dollars à des centaines de milliers de dollars, pratiquement du jour au lendemain. À ce moment-là, ils étaient beaucoup plus réceptifs à l'idée de créer le service qui peut les aider à réduire de quelques centaines de milliers de dollars par an cette facture de services cartographiques. Et à ce moment-là, nous avons commencé à examiner le problème. À ce stade, nous ne pouvions pas vraiment dire si nous pouvions créer un produit d'une qualité comparable aux cartes commerciales. Et c'est là que notre voyage a commencé.

À la fin de 2018, nous avions déjà pas mal de compréhension et d'expérience sur la façon de faire ce genre de choses. Mais nous avons en fait commencé à travailler sur le produit à la fin de 2018, et au milieu de 2019, nous avions un produit prêt à être testé. Et il a fallu quelques mois de tests pour déterminer à quel point nous sommes bons par rapport à Google Maps. Et les résultats étaient vraiment impressionnants en termes de qualité de nos résultats, de rapidité de nos réponses, de disponibilité de nos ressources. Et puis vers la fin de 2019, la compagnie de taxi locale avec 3 000 véhicules est passée des cartes commerciales, de Google Maps, à l'utilisation de nos services.

C'était donc une route semée d'embûches, il nous a fallu quelques années d'allers-retours. Et je dirais que l'étape majeure a probablement été l'introduction de cette nouvelle tarification, le moment où Google s'est rendu compte qu'ils pouvaient réellement monétiser cela et où ils ont augmenté les prix d'un facteur de 10 à 20, c'était une rupture pour nous. Sans cela, nous n'y arriverions probablement pas.

Laurier: C'est une augmentation incroyablement énorme lorsque vous êtes probablement une compagnie de taxis qui peut ou non bien fonctionner, selon la compétitivité de ce type de covoiturage.

Radé : Exactement, cela a fait une énorme affaire. Donc, fondamentalement, les entreprises de taxis sont en général des entreprises à très faible marge bénéficiaire. Ils se soucient donc de chaque petit centime qu'ils peuvent économiser.

Laurier: Alors, comment fournissez-vous ces services similaires à moindre coût ? Est-ce parce que vous n'avez pas les frais généraux d'une carte Google ou d'un Waze ?

Radé : Nous aimons donc considérer notre système comme un Google Maps très léger pour les entreprises. Donc, Google Maps prend probablement environ 1 milliard de dollars, le public, je veux dire, il est difficile d'estimer avec précision combien Google investit dans les cartes chaque année, mais certaines estimations approximatives sont de l'ordre de 1 milliard de dollars par an. Et c'est un énorme investissement. Cependant, pour le type particulier d'applications dont les entreprises de livraison et de taxi ont besoin, vous n'avez pas vraiment besoin de toutes les machines déployées par Google Maps. Donc, nous aimons penser à notre système que nous avons inventé QARTA—QARTA est un mot qui est dans de nombreuses langues, un mot qui est utilisé pour les cartes—donc notre système appelé QARTA est très léger, donc nous supprimons essentiellement tous les blocs inutiles et nous conservons tout ce qui est nécessaire pour répondre au type de requêtes dont les entreprises de livraison, les entreprises de livraison du dernier kilomètre, les entreprises de logistique, ou les entreprises de covoiturage ou les compagnies de taxi, ont besoin pour gérer leurs activités. Et ce faisant, nous pouvons maintenir les coûts de fonctionnement aussi bas que possible.

Laurier: QARTA, mais avec un Q, qui est un clin d'œil au Qatar, ce qui est fantastique.

Radé : QARTA avec un Q. Si vous permutez les lettres, vous obtenez le nom du pays où nous sommes, le Qatar.

Laurier: C'est vrai. Alors dites-nous en plus sur la technologie. Vous utilisiez l'apprentissage automatique avec les données de Karwa pour essayer de trouver la meilleure façon d'ajuster les estimations de temps de trajet en fonction de l'heure de la journée, etc. Pouvez-vous nous parler un peu plus de cette approche? Par exemple, comment avez-vous réellement conservé vos données en temps réel ?

Radé : L'apprentissage automatique est donc idéal lorsque vous souhaitez capturer des relations complexes d'une part, et que vous disposez également de suffisamment de données pour capturer ces relations et former vos modèles d'apprentissage automatique. Donc, heureusement, les flottes de véhicules modernes disposent de ces systèmes de surveillance qui produisent beaucoup de données. La production de ces données rend cet apprentissage automatique possible. Je dirais qu'il y a 10 ou 15 ans, la plupart des taxis n'auraient pas activé ce suivi GPS. Et puis sans un tel suivi GPS, tout cet apprentissage automatique n'aurait pas été possible. Cependant, nous avons la chance de collaborer avec Karwa, qui dispose de ce système de surveillance riche qui nous aide essentiellement à capturer ces données, à les traiter et à comprendre ces deux ingrédients importants que je viens de mentionner, mais je vais les répéter à nouveau, comprendre le réseau routier sous-jacent d'une part et comprendre le trafic qui s'y ajoute.

Ainsi, toutes ces informations nous permettent non seulement d'être comparables aux cartes commerciales, mais aussi de gagner quelques dizaines de secondes d'erreurs à chaque trajet. Et ces quelques dizaines de secondes se traduisent par une augmentation de l'efficacité de quelque part entre 5 et 10 %. Il est vraiment difficile de déterminer le nombre exact d'améliorations de l'efficacité par l'amélioration des erreurs de la carte numérique sous-jacente. Cela peut ne pas sembler [comme] beaucoup, mais comme je l'ai mentionné, dans une entreprise qui fonctionne avec une marge bénéficiaire très serrée, améliorer l'efficacité de cinq pour cent est une affaire énorme.

Ou en d'autres termes, si vous exploitez une flotte de 3 000 voitures, cinq pour cent de cela représentent 150 voitures. Vous pouvez essentiellement retirer 150 voitures de la route et ne perdre aucune activité. Et la suppression de 150 voitures se traduit par X millions de dollars par an de réduction des coûts. Donc, ce que j'essaie de dire, c'est que toutes ces petites choses, quelques secondes ici, quelques pour cent là, comptent en fait en raison de l'efficacité accrue, et l'efficacité accrue se traduit par une meilleure équation coûts-revenus.

Laurier: Et c'est également important pour les transports en commun, pour les agences gouvernementales qui essaient d'économiser ce petit pourcentage ici ou là alors qu'elles essaient de devenir plus efficaces.

Radé : Absolument. En fait, les services publics ici, les transports publics ici sont très, très immatures. Ainsi, une grande partie des transports en commun repose sur des services de taxi et de covoiturage. Il existe une sorte d'estimation selon laquelle les services de taxi et de covoiturage occupent plus de 80% des transports publics. Le réseau de bus est donc très peu dense. Ainsi, la plupart du temps, si vous ne possédez pas de voiture et que vous souhaitez vous déplacer de A à B, vous allez appeler un taxi ou Uber ou un service de transport similaire. Actuellement, le métro est en construction, et cela fait partie des projets d'infrastructure dont nous parlions plus tôt. La première ligne a été ouverte l'année dernière. Et les deux lignes suivantes sont ouvertes cette année. Espérons que les transports en commun étant un peu plus réguliers et le réseau de transports en commun un peu plus dense, le besoin de taxis diminuera.

Laurier: En parlant d'essayer de construire une société meilleure, le QCRI est l'un des instituts de recherche de la Qatar Foundation. Et les objectifs de la Fondation du Qatar sont, d'une part, de faire avancer la recherche pionnière dans les domaines de priorité nationale pour le Qatar, et d'autre part, de soutenir également le développement durable et la diversification économique. Mais ces types d'objectifs ont l'avantage d'aider le monde entier. Il est donc clair que le travail que vous faites correspond à ces deux critères. Quelle est l'importance plus large de construire des systèmes de cartographie plus intelligents et moins coûteux, ainsi que des systèmes de transport ? Comment cette technologie pourrait-elle aider d'autres centres urbains en croissance au Moyen-Orient et dans le reste du monde ?

Radé : Donc, une chose intéressante à propos des cartes commerciales et de nombreux produits de haute technologie qui sont fabriqués en Europe et en Amérique du Nord : elles sont construites dans le monde développé et pour le monde développé. Les cartes commerciales ne font donc pas exception là-bas. Ils sont développés avec un utilisateur particulier à l'esprit, et cet utilisateur vient normalement avec une poche profonde, et vient normalement dans le monde où les routes ne changent pas si souvent. Ces deux hypothèses sont brisées dans le monde en développement. Payer quelques dollars par mois peut ne pas être un gros problème pour un taxi opérant à Boston ou à Madrid. Mais quelques dollars par mois et par taxi représentent peut-être 10 % du salaire d'un chauffeur à New Delhi ou à Kuala Lumpur. Nous voyons donc QARTA comme une solution que j'ai mentionnée, une solution légère, qui peut répondre aux besoins sans aller au fond des poches de ces fournisseurs de transport.

Cela va un peu dans le sens de la mission de la Qatar Foundation d'aider le monde en développement. Nous voyons notre marché cible pour le système que nous construisons dans le monde en développement. Je ne pense pas que nous puissions rivaliser avec les Google du monde dans le monde développé pour les raisons que je viens de décrire. Nous n'avons pas les ressources et les attentes des utilisateurs occidentaux sont en quelque sorte différentes de celles des pays en développement. C'est l'une des raisons pour lesquelles nous et nos dirigeants sommes ravis de faire pression pour le Qatar.

Laurier: C'est excellent. Mais comment réagissez-vous à l'éventuelle nouvelle vague de véhicules autonomes ? Est-ce quelque chose qui vous aide réellement à relever ce défi ?

Radé : Oh wow, ouais, je suis très, très enthousiasmé par l'ère des véhicules autonomes. Il est difficile de dire quand cette ère viendra, mais plus nous nous rapprochons de cette date, plus le rôle des cartes numériques précises sera important. Ainsi, un taux d'opportunité de signalement pour les véhicules autonomes est leur capacité à optimiser les itinéraires et la conduite en général, afin de réduire les inefficacités de la prise de décision humaine. Ainsi, par exemple, les humains ont tendance à utiliser des itinéraires sous-optimaux. Alors à chaque fois que je vais de chez moi au boulot, à chaque fois que j'emprunte cette route, je n'aime pas trop explorer. J'ai des amis qui, en fait, chaque fois qu'ils montent dans la voiture, ils tapent la destination et ils recherchent l'itinéraire optimal à ce moment précis. Je ne fais pas partie de ces personnes. Je prends le même chemin tous les jours. La charge cognitive pour moi de m'inquiéter de l'itinéraire optimal est quelque chose dont je ne veux pas vraiment m'inquiéter.

Cependant, avec les véhicules autonomes, les gens n'auraient pas à s'en soucier. Vous pouvez simplement appuyer sur le bouton et le véhicule autonome empruntera cet itinéraire optimal pour vous chaque fois que vous entrerez dans la voiture. C'est donc une façon pour les véhicules autonomes de vous aider à gagner quelques minutes ici, quelques minutes là, probablement quelques heures par mois.

De plus, les véhicules autonomes avec une compréhension précise de l'infrastructure du réseau routier et de toutes les dynamiques qui se produisent, les véhicules autonomes peuvent optimiser pour une sorte d'optimum global. Très souvent, les humains ont tendance à être gourmands. Et à force d'être gourmands, on peut tous finir par emprunter l'autoroute. Et en espérant gagner quelques minutes, nous pouvons mettre tellement de congestion sur l'autoroute que nous en souffrons tous. En ayant une sorte de vue globale de ce qui se passe dans toute la ville, les véhicules autonomes peuvent en fait nous rediriger pour avoir une sorte d'équilibrage de charge global pour aider tout le monde à être mieux loti.

Et à quelle distance en sommes-nous ? Je ne dirais pas que nous en sommes si loin, mais nous sommes probablement à quelques années, voire à une décennie, de ce routage optimal à l'échelle mondiale, ce que j'attends vraiment, vraiment avec impatience. Parce que si vous y réfléchissez, il y a tellement d'infrastructures routières. Si vous pensez au nombre de rues qu'il y a dans la ville de Boston et la ville de Doha. Cependant, l'utilisation de ces ressources est en quelque sorte biaisée vers très peu de routes principales qui finissent par être encombrées aux heures de pointe. Et je suis convaincu qu'une planification optimale des décisions d'itinéraire à l'échelle mondiale peut réduire considérablement la congestion dans la ville et améliorer nos vies en général. En gros, nous pouvons passer quelques heures par semaine en moins dans les embouteillages par rapport à ce que nous faisons aujourd'hui. D'un autre côté, s'il est si facile de voyager, nous pourrions finir par voyager davantage. Mais c'est une autre chose dont il faut s'inquiéter.

Laurier: [Audio brouillé] des défis comme réduire la consommation d'énergie et concevoir de nouveaux services Internet ?

Radé : Une chose qui m'occupe ces derniers temps, c'est l'utilisation du monde que nous avons déjà. Donc, tout ce qui concerne les cartes numériques et la compréhension précise du trafic pour aider à réduire les émissions de CO2. Donc, les émissions de CO2, je veux dire, il y a des gens qui croient et il y a des gens qui ne croient pas à l'effet de serre et au réchauffement climatique, mais les émissions de CO2, et en général, la consommation d'essence, c'est énorme. Et le transport y contribue de manière non négligeable. Je suis convaincu que la compréhension du trafic peut réduire de quelques pour cent les émissions de CO2 ainsi que la consommation d'essence, et cela peut avoir un effet immédiat sur la réduction des factures que nous payons pour l'essence, mais aussi à long terme la réduction d'émission de CO2 est en quelque sorte obligatoire. D'une manière ou d'une autre, nous devrons trouver un moyen de résoudre ce problème, et je pense que la combinaison de la conduite autonome, des voitures électriques et d'une sorte de réduction des inefficacités sera nécessaire. Et pour ce faire, la carte de trafic sous-jacente sera d'une grande aide.

Alors permettez-moi de vous donner un exemple. Si votre voiture et vous, en tant que conducteur, comprenez suffisamment combien de temps ce feu vert restera vert, vous pouvez décider en toute connaissance de cause si vous souhaitez maintenir votre conduite à 50 kilomètres à l'heure ou si vous souhaitez peut-être ralentir. vers le bas et ne gaspillez pas cette essence car le feu deviendra rouge dans quelques secondes, et vous gaspillerez toute l'énergie de la vitesse juste devant le feu de circulation. C'est le genre de choses sur lesquelles je travaille en ce moment, et j'espère que nous pourrons rapporter quelque chose d'intéressant, mais c'est toujours en cours.

Laurier: Docteur Stanojevic, merci beaucoup d'être parmi nous aujourd'hui. Cela a été une excellente conversation sur Business Lab.

Radé : Merci beaucoup Laurelle. C'était super de te parler.

Laurier: C'était le Dr Rade Stanojevic, chercheur principal au Qatar Computing Research Institute, qui fait partie de l'Université Hamad Bin Khalifa, une université de la Fondation du Qatar, avec qui j'ai parlé depuis Cambridge, Massachusetts, siège du MIT et du MIT Technology Review, surplombant la rivière Charles.

C'est tout pour cet épisode de Business Lab. Je suis votre hôte, Laurel Ruma. Je suis le directeur d'Insights, la division de publication personnalisée de MIT Technology Review. Nous avons été fondés en 1899 au Massachusetts Institute of Technology, et vous pouvez nous trouver dans la presse écrite, sur le Web et lors d'événements dans le monde entier. Pour plus d'informations sur nous et sur le salon, veuillez consulter notre site Web à l'adresse technologyreview.com.

Cette émission est disponible partout où vous obtenez vos podcasts. Si vous avez apprécié cet épisode, nous espérons que vous prendrez un moment pour nous évaluer et nous évaluer. Business Lab est une production de MIT Technology Review. Cet épisode a été produit par Collective Next. Merci pour l'écoute.

Cet épisode de podcast a été produit par Insights, la branche de contenu personnalisé de MIT Technology Review. Il n'a pas été produit par la rédaction de MIT Technology Review.

cacher