Smart City Pour relever les défis d urbanisation et de mobilité du futur. Raphael Rollier 05/2015

Transcription

1 Smart City Pour relever les défis d urbanisation et de mobilité du futur Raphael Rollier 05/2015

2 Orateurs Marilyne Andersen Loïc Lepage Olivier de Watteville Raphael Rollier Doyenne de la faculté ENAC, EPFL Responsable planification énergétique territoriale Responsable planification des transports Responsable Programme Smart City Faculté de l environnement naturel, architecture et construit BG Ingénieurs Conseils SA BG Ingénieurs Conseils SA Swisscom

3 Comment aborder de manière effective le «smart city» et ainsi permettre d adresser les défis d urbanisation? Raphael Rollier 05/2015

4 Smart Mobility Smart People Smart Economy Smart City Smart Living Smart Governance Smart Environment Raphael Rollier 05/2015

5 Le smart city appliqué à la mobilité Relevés sur 1 journée avec l unique ordinateur de l EPFL Relevés sur 1 semaine à l échelle de l agglo Effectué tous les 5 ans Mesure en continu Observatoire de la mobilité «Pilotage» de la mobilité prédiction

6 EPFL Raphael Rollier 05/2015

7 EPFL trois missions principales Formation des scientifiques, ingénieurs et architectes Recherche de pointe, fondamentale et appliquée Transfert de technologie vers l industrie et la société Contexte général Missions

8 13 sections d étude, 350 labos de recherche 5 facultés 13 sections ENAC SB STI IC Architecture, Génie civil Sciences et ingénierie de l environnement Mathématiques Chimie Physique Elec. et électronique Microtechnique Mécanique Matériaux Informatique Systèmes de communication SV Sciences et technologies du vivant Bioingénierie 2 collèges CDM Management de la technologie Ingénierie financière CDH Sciences humaines et sociales 26 instituts 7 centres interdisciplinaires 350 laboratoires et groupes de recherche Transport, Energie, Neuroprothèses, Design (EPFL-ECAL Lab) etc... Contexte général Structure 8

9 La Faculté ENAC Contexte général ENAC

10 La Faculté ENAC Thématiques de recherche Contexte général ENAC

11 La Faculté ENAC Thématiques de recherche Le Smart City à l EPFL Contexte général ENAC

12 La Faculté ENAC Thématiques de recherche Le Smart City à l EPFL Smart cities Contexte général ENAC

13 La Faculté ENAC Thématiques de recherche Le Smart City à l EPFL Smart Living Lab Smart cities Contexte général ENAC

14 Gestion du trafic intelligente Laboratory of Urban Transport Systems (LUTS) Prof. Nikolas Geroliminis Stratégie de gestion multi-modale du trafic Gestion en temps réel: du trafic privé et public simultanément en s adaptant automatiquement au type de demandes Etude de faisabilité prévue au centre-ville de Genève Contrat-cadre avec le Département Genevois du Transport Smart City Smart City Exemples Exemples Richy!

15 Smart habitat Tirer parti des ressources naturelles Interdisciplinary Laboratory of Performance-Integrated Design (LIPID) Prof. Marilyne Andersen Performance d un bâtiment = efficacité énergétique + bien-être Efficacité énergétique: Utilisation optimale de la lumière naturelle Tendre vers des bâtiments à zéro-énergie Stratégies adaptatives aux variations climatiques Bien-être: Conforts thermique et visuel Perception de la lumière et impact sur la santé Le bâtiment au service des occupants simulation de la lumière réponse des usagers conception intégrée Smart City Exemples

16 Smart Systems: Réseau de capteurs environementaux Distributed Intelligent Systems and Algorithms Laboratory (DISAL) Prof. Alcherio Martinoli Capteurs mobiles hétérogènes de pollution de l air Déploiement dans zones urbaines importantes: Lausanne, Zurich Capteurs mobiles Capteurs fixes Réalisation d un système d information temps réel à partir de données bruitées et hétérogènes Etape suivante : Elargir les mesures aux personnes (crowdsourcing) Mesure de l activité, la position et la pollution via smartphone Smart City Exemples Capteurs mobiles

17 Swisscom mise à disposition et valorisation des données? 17

18 «Big data» au service de la mobilité Comptages Microrecensements Collection de données 24*7 En temps réel

19

20 SMART MOBILITY compréhension dynamique et élargie

21 Smart Mobility une très grande représentativité 60% Residents Visitors Transit

22 Smart Mobility pour déterminer les lignes de désir

23 SMART MOBILITY quel est le profil horaire lors d un événement? 23

24 simplement économiser l'énergie de chauffage Raphael Rollier 05/2015

25 BG Ingénieurs Conseils SA 25 Raphael Rollier 05/2015

26 Constat à l'échelle du bâtiment 26 Contexte/enjeu Des bâtiments qui représentent 50% des consommations Des bâtiments neufs très performants Des bâtiments existants (siècle passé) représentant 90% du parc immobilier Une évolution des besoins : vers une diminution du chauffage et une augmentation du froid et de l'électricité Méthodes actuelles Simulations dynamiques en conception Recours limité à la climatisation (lois contraignantes) Programmation MCR (ventilation, déshumidification ) Smart Metering (relevés automatisés) Limites Modification d'événements en exploitation Peu de réactivité des systèmes Expertise nécessaire Perspectives

27 Clients Swisscom Clients Swisscom Clients Swisscom Palexpo salon de l auto Constat à l'échelle du bâtiment Arrivées Jeudi 12 mars Heure d'arrivée Samedi 14 mars Heure d'arrivée Jeudi 16 mars Heure d'arrivée

28 Constat à l'échelle du territoire 28 Contexte/enjeu Se chauffer et se déplacer sans : Consommer d'énergie Polluer (qualité de l'air) Émettre du CO2 (réchauffement climatique) Perdre du temps (congestion trafic) Méthodes actuelles Consommations réelles au bâtiment (ex. IDC) Enquêtes et comptages automatiques (bâtiment et mobilité) Consommations agrégées (statistiques carburant et combustibles) Modélisations Limites Équipements importants Différence entre lieu d'approvisionnement et de consommation (lieu d'émissions) Données partielles (consommation connue pour 50% des surfaces sur Genève) Données partielles et hétérogènes sur les transports Vues "Instantané" Perspectives

29 29

30 Perspectives 30 Utilisation de données existantes non valorisées Évolution des méthodes Passage d'une vision statique à dynamique Passage facilité d'un périmètre restreint à élargi Passage de données partielles à plus complètes (peu fiables à fiables 5/20% à 60%) Passage de données hétérogènes à homogènes et facilement répétitives (mesure en continu) Aide à la décision plus pertinente (modélisation événements, choix d'infrastructures, exploitation)

31 Conclusions Générer de nouvelles données Swisscom Operateur Client Client BG EPFL Chercheur Intégrateur Se poser de nouvelles questions Proposer de nouvelles solutions

32 Questions & Discussion