Park on time
Notre Objectif
Notre objectif est principalement de permettre à notre projet deeptech Park on time, visant à réduire les émissions de CO2 liées à la recherche d'une place de stationnement par les véhicules dans les villes, de gagner en visibilité et de profiter de l'accompagnement du réseau Graines de boss (mentorat, accompagnement à la levée de fonds, etc.).
La solution que nous avons développée a bien entendu vocation à être déployée dans de nombreuses villes en France et à l'international. Ceci étant, notre candidature à Graines de Boss Valenciennes se justifie à la fois par le fait que Park on time est une solution développée au sein du LAMIH, laboratoire CNRS situé à Valenciennes, et surtout car notre prototype est expérimenté à Valenciennes et donc mis au point dans le cadre d'un partenariat avec la ville qui partage avec nous de nombreuses données. Nous sommes par ailleurs incubés au sein des Rives Créatives à Valenciennes.
Le projet
La recherche d'une place de parking disponible est une activité particulièrement stressante et chronophage pour les conducteurs. Cette activité peut également s’avérer accidentogène, l’attention des conducteurs n’étant plus totalement focalisée sur l’activité de conduite et les véhicules, cyclistes et piétons environnants. Enfin, tourner en rond pour trouver une place de stationnement vacante contribue significativement à l'augmentation du trafic et des émissions de CO2 dans les grandes villes et les villes de taille moyenne.
La principale originalité de notre solution Park on time réside dans sa capacité à gérer la nature compétitive du stationnement. Communiquer à tous les conducteurs la même information concernant l’occupation des parkings conduit en effet invariablement à saturer les zones où des places étaient disponibles. Park on time propose donc un service innovant associant IA prédictive et optimisation combinatoire afin d’attribuer à chaque conducteur un parking proche de sa destination dans lequel il pourra effectivement stationner son véhicule. La solution proposée à chaque utilisateur est ainsi personnalisée en fonction de l’offre disponible et de la demande, mais également de ses préférences (e.g., temps de marche jusqu’à la destination, prix, type de stationnement (voirie ou dans des parkings en ouvrage), etc.). Les modèles d’affectation mis au point dans le cadre de Park on time sont capables de supporter la très forte dynamicité de l’environnement ciblé, où de nouveaux conducteurs en quête d’une place peuvent se signaler n’importe quand et où des places de stationnement sont occupées ou libérées à chaque instant. L’optimisation entre l’offre et la demande est ici réalisée de manière globale. La solution optimale pour un conducteur ne lui est donc pas forcément attribuée (ce dont il n’a pas conscience) si cela permet une meilleure affectation à l’échelle globale.
Au-delà de ces mécanismes d’optimisation globale qui permettent de réduire les émissions de CO2 issues de véhicules en quête d’une place de stationnement en leur évitant de rouler inutilement, la personnalisation des solutions pour chacun des conducteurs introduites par Park on time ouvre la voie à la mise en place de mécanismes incitatifs permettant d’encourager les comportements éco-responsables en termes de stationnement. Via des techniques de gamification notamment, nous incitons en effet les conducteurs à se garer plus loin de leur destination ou à exploiter les parkings P+R pour rejoindre leur destination.
En conclusion, Park on time est un service innovant exploitant IA et Optimisation pour aider les conducteurs à se garer plus facilement, sans mécanisme de réservation. Notre solution est parfaitement complémentaire des applications ou systèmes de navigation, auxquels elle confie d'ailleurs le guidage du conducteur. La sélection de la destination est enregistrée avant le départ de ce dernier ce qui lui évite ensuite, une fois en situation de conduite en centre-ville, de chercher une place en consultant des panneaux ou une carte sur laquelle les places disponibles sont indiquées.