Miovision lance Mateo, un agent GenAI pour l’ingénierie du trafic

Miovision a introduit Mateo, un agent d’intelligence artificielle générative conçu spécifiquement pour l’ingénierie du trafic, marquant un tournant dans la façon dont les villes analysent et gèrent les réseaux de transport. Construit comme une extension native de sa plate-forme Miovision One, Mateo transforme des données de mobilité complexes en informations actionnables grâce à une interface conversationnelle, permettant aux ingénieurs d’interroger les systèmes en langage clair plutôt que d’assembler manuellement des rapports.

La société positionne Mateo comme le premier agent GenAI conçu à des fins d’exploitation de la mobilité intelligente, ciblant un goulet d’étranglement de longue date dans l’industrie : le temps nécessaire pour interpréter les volumes croissants de données de trafic.

Passer de semaines d’analyse à des minutes

Les départements de trafic sont devenus de plus en plus riches en données, mais l’extraction d’informations significatives est restée lente et fragmentée. Selon des recherches menées par l’industrie citées par Miovision, la majorité des professionnels du trafic ont du mal avec le temps nécessaire pour analyser les métriques de performance modernes.

Mateo répond à ce problème en automatisant la collecte de données, les références croisées et l’analyse sur plusieurs systèmes. Les tâches qui nécessitaient autrefois des semaines d’efforts manuels peuvent maintenant être accomplies en quelques minutes grâce à des requêtes en langage naturel, réduisant considérablement la charge opérationnelle sur les équipes d’ingénieurs.

Plutôt que de remplacer les ingénieurs, le système change leur rôle. En supprimant les tâches de données répétitives, il permet aux équipes de se concentrer sur la résolution des problèmes de congestion, l’amélioration de la sécurité et l’optimisation des infrastructures.

Un agent d’IA conçu à des fins spécifiques pour les systèmes de trafic

Ce qui distingue Mateo des outils d’IA à usage général est sa conception spécifique au domaine. Le système combine des modèles de langage large avec un moteur de raisonnement et des outils d’agent qui peuvent effectuer une analyse mult étapes sur des ensembles de données spécifiques aux villes.

Il est formé sur les principes d’ingénierie du trafic et s’intègre directement avec la télémétrie, les flux de caméras et les métriques de sécurité, lui permettant de :

• Corréler des ensembles de données cloisonnés tels que la synchronisation des signaux, la santé du matériel et le flux de trafic
• Générer des graphiques, des cartes et des rapports de performance instantanément
• Fournir une analyse de cause profonde pour les problèmes de congestion ou de sécurité
• Fournir des traces d’audit qui relient les conclusions aux sources de données originales

Cette combinaison de raisonnement et de transparence est cruciale dans les environnements municipaux, où les décisions doivent être défendables et conformes aux normes d’ingénierie établies.

Passer d’opérations réactives à une mobilité proactive

Historiquement, la gestion du trafic a été réactive. Les ingénieurs répondent aux plaintes, analysent les incidents après qu’ils se soient produits et effectuent des ajustements incrémentiels. Mateo introduit un modèle plus proactif.

En analysant en continu les données du réseau, le système peut identifier les inefficacités, prédire les problèmes émergents et fournir des recommandations actionnables avant que les problèmes ne s’aggravent. Il agit effectivement comme un collaborateur numérique, augmentant les équipes avec une intelligence en temps réel.

Les tests préliminaires avec des partenaires municipaux tels que la ville de Coquitlam ont démontré l’impact pratique, les équipes signalant des réductions significatives du temps d’analyse et des réponses plus rapides aux problèmes de réseau.

Construit sur une pile de mobilité intégrée

Un avantage clé de Mateo est son intégration profonde avec l’écosystème plus large de Miovision. La plate-forme de l’entreprise combine déjà des capteurs matériels, des analyses de vidéos et des outils de gestion de trafic basés sur le cloud.

Mateo est situé au sommet de cette infrastructure, agissant comme une interface unifiée qui connecte toutes les sources de données en une seule couche conversationnelle. Au lieu de naviguer dans plusieurs tableaux de bord, les ingénieurs peuvent interroger l’ensemble du système à la fois et recevoir des informations synthétisées instantanément.

Cette intégration permet également au système de combler les lacunes entre les différents intervenants, des ingénieurs et des opérateurs aux responsables municipaux qui nécessitent des résumés simplifiés et de niveau exécutif.

Le futur de l’IA dans l’ingénierie du trafic

L’introduction de Mateo signale un changement plus large vers des agents d’IA dans les systèmes d’infrastructure. Les réseaux de trafic deviennent de plus en plus complexes, avec des volumes croissants de données de capteurs, de véhicules connectés et de demandes de transport multimodales.

Les agents d’IA comme Mateo montrent un avenir où les villes fonctionnent avec une intelligence en temps réel continue plutôt qu’avec une analyse périodique. À mesure que ces systèmes évoluent, ils pourraient aller au-delà de la diagnose pour atteindre l’optimisation automatisée, ajustant dynamiquement les signaux de trafic, donnant la priorité aux véhicules d’urgence et coordonnant l’ensemble des écosystèmes de transport.

Plus important encore, ce type de technologie redefinit la façon dont les villes justifient les investissements dans les infrastructures. En traduisant les données brutes en résultats mesurables, tels que la réduction de la congestion ou l’amélioration de la sécurité, les plateformes basées sur l’IA peuvent rendre l’impact des systèmes de transport plus visible et quantifiable.

Si elles sont largement adoptées, les agents d’IA génératifs dans l’ingénierie du trafic pourraient devenir fondamentaux pour les infrastructures des villes intelligentes, permettant des environnements urbains qui ne sont pas seulement plus efficaces, mais également plus adaptés aux besoins des personnes qui les traversent.