Présenté lors des Techdays 2015, Altran nous explique au travers de son véhicule connecté, l’intérêt du « machine learning » appliqué aux objets de notre quotidien d’un point de vue constructeur et utilisateur.

La voiture connectée d’Altran

Le véhicule proposé par Altran est une merveille technologique.

Le tableau de bord connecté

Les fonctions proposées sont nombreuses et s’adaptent aux profils du conducteur et des passagers:

  • Intégration d’un « appstore » pour enrichir l’expérience client au travers d’applications variées.
  • Divers scénarios de vie numérique – Streaming de sources multiples (radios, jeux, vidéos) en fonction des places des occupants de la voiture.
  • Connexion possible entre la maison et la voiture, afin par exemple de récupérer des films de chez soi pour les uploader sur son tableau de bord.

Mais le plus important et, à l’origine du « machine learning », est la connexion du tableau de bord du véhicule au CAN Bus (Bus de données techniques de l’automobile) du constructeur. L’ensemble des données est remonté et Altran peut interagir avec celles-ci et les analyser grâce à l’application VueForge, construite sur Microsoft Azure permettant notamment la maintenance préventive et l’analyse du comportement du conducteur.

Cependant, pour que ces données soient pertinentes, et ne se résument pas aux données d’une unique voiture, Altran a du simuler des environnements synthétiques de grandes capacités. Altran a donc pour l’occasion simuler un parc de 500,000 voitures, identiques au véhicule connecté présenté, sur un environnement de développement Open Source proposé par Microsoft: Orléans.

L’intérêt du « machine learning »

Le « machine learning » doit pouvoir profiter à la fois au constructeur qui analysera les données de son véhicule et de son environnement synthétique mais aussi au conducteur qui prendra soin d’établir un diagnostic de sa conduite.

Au service du constructeur automobile

VueForge permet une compréhension de l’usage réel des véhicules.

La comparaison des données obtenues et simulées par le programme Orléans avec les moyennes préétablies par Altran (puissance des freins, vitesse moyenne etc.) va permettre à Altran et donc aux constructeurs souhaitant suivre la même stratégie, d’adapter leurs modèles. (Ex : Altran remarque que son modèle a finalement un usage plutôt sportif que familial et ainsi adaptera son prochain modèle.)

L’application permet également d’avoir une vue globale des problèmes éventuels rencontrés par le modèle de véhicule analysé.

D’où l’intérêt de fusionner ces données avec des éléments provenant d’autres sources pour voir si les problèmes sont liés au véhicule ou si d’autres éléments extérieurs sont à l’origine de ces problèmes (usagers, météo etc.).

(Ex : les données biophysiques de stress des conducteurs récoltées soit par l’intermédiaire de bracelets connectés soit à l’aide de capteurs qui peuvent être placés dans le dossier du siège conducteur permettent de savoir si les problèmes de frein proviennent du stress du conducteur ou du véhicule.)

Au service du conducteur

Grâce au système de big data généré par le « machine learning », l’application sur windows store permet de comparer les statistiques et le style de conduite du conducteur à celui des autres utilisateurs développant ainsi un esprit communautaire.

Une sorte d’eco-gaming se met en place et permet au conducteur de voir les économies ou dépenses supplémentaires engendrées par son style de conduite.

L’écosystème Big data, cloud et « machine learning » permet l’exploitation de données passées mais également l’exploitation de données futures qui, grâce à leur prédiction, entraîneront des réductions de dépenses et de consommation pour les usagers.