La Direction générale de l’analyse économique des transports (DGAET) procède à la mise en œuvre d’une stratégie numérique relative aux données à l’appui du Système d’information sur le commerce et le transport (SICT) pluriannuel et de l’initiative de numérisation de la chaîne d’approvisionnement récemment annoncée. L’un des principaux objectifs de ces initiatives est d’aborder les écarts de données et d’appuyer la surveillance régulière du rendement du réseau des transports par l’utilisation novatrice de sources non traditionnelles d’information sur les transports. L’utilisation généralisée de capteurs numériques et l’amélioration des méthodes de fusion de différents ensembles de données viennent révolutionner la manière dont Transports Canada et d’autres organismes recueillent et analysent l’information sur les activités et le rendement du transport multimodal. Pour compléter ses fonds de données traditionnels, TC souhaite accéder à des sources supplémentaires de données sur les activités de fret, en particulier en ce qui concerne les interactions multimodales.
L’une des lacunes actuelles en matière de données concerne la couverture des interactions portuaires-ferroviaires entre les petits ports et les chemins de fer d’intérêt local obtenue par la fusion des données des capteurs et des documents de transport disponibles.
Voici quelques besoins fonctionnels généraux que l’on s’attend à satisfaire par un accès à des données complètes et en temps opportun sur les flux de fret du transport multimodal :
- Surveiller et mesurer le rendement du réseau ferroviaire à l’intérieur et à l’extérieur des ports maritimes, en particulier des petits ports, et au niveau des chemins de fer d’intérêt local grâce à l’installation de technologies de détection non intrusives sur place. La collecte de données sur le rendement du réseau portuaire-ferroviaire, y compris les temps de séjour et de transit selon différents types de fret, appuie la stratégie numérique relative à la chaîne d’approvisionnement du ministère en cernant les goulets d’étranglement potentiels et d’autres vulnérabilités et en permettant une optimisation accrue des capacités limitées du réseau.
- Une meilleure connaissance des interactions entre les activités des navires et le transport ferroviaire sur courte distance grâce à la fusion des documents de transport disponibles collectés par les partenaires de la chaîne d’approvisionnement. Un suivi plus complet des flux de fret du transport multimodal, de l’expéditeur à la destination finale, permet de mieux connaître les opérations de fret par mode et par marchandise, d’améliorer la visibilité et d’optimiser le rendement de l’ensemble du réseau.
Le besoin comprend les éléments suivants :
A. Plate-forme de capture des trains
1) En utilisant une technologie brevetée, installer deux (2) stations permanentes de caméras de détection des trains sur le terrain du port, aux principaux abords ferroviaires du port;
2) Collecter des images du matériel roulant composant le train en continu (24 heures sur 24) pendant une période de 12 mois;
3) En utilisant une technologie brevetée d’apprentissage automatique, développer un modèle d’apprentissage automatique pour convertir les images en une base de données sur le nombre de trains et les caractéristiques des wagons.
4) La base de données sur les trains couvrira les éléments suivants :
i. Nombre de trains dans chaque direction passant par le site
ii. Date/heure de l’observation (heure locale)
iii. Nombre de locomotives et de wagons composant le train
iv. Le type de train (au minimum Manifeste, Intermodal, Unitaire de charbon, Unitaire de grain, Unitaire de potasse, Unitaire de pétrole, Automobile, Autres)
v. Le type de wagons composant le train (le modèle ML doit au moins identifier les wagons suivants : Couvert, Citerne, Trémie, Tombereau, Plat, Chargement intermodal, Support central en A, Voitures)
vi. Nombre et taille des conteneurs d’expédition composant le tain (minimum 20, 40 ou 53 pieds)
vii. Lorsqu’il est visible, le numéro de série des wagons et des locomotives (par exemple, GATX 165789)
viii. Données sur la plaque signalétique des marchandises dangereuses (classe sur la plaque signalétique et numéro UN)
ix. Vitesse du train sur le site
5) Saisir dans un tableau de bord opérationnel personnalisé les renseignements propres aux activités des trains et les mesures de performance correspondantes.
6) Fréquence minimale de mise à jour des données relatives aux trains : Quotidiennement
B. Architecture pour la fusion des documents de transport et des sources connexes
Recueillir des exemples de documents de transport disponibles et des renseignements connexes sur la chaîne d’approvisionnement à partir des registres ferroviaires et portuaires existants :
- ASFC – Déclarations d’expédition et manifestes A6/A6A
- Documents relatifs aux feuilles de route des wagons
- Les données tirées de la feuille de train/du manifeste collectées par le chemin de fer correspondant
- Sources GPS disponibles collectées par le port ou le chemin de fer
- Les données tirées de la plateforme RailState Camera sur les sites se trouvant à proximité du port [fournies par TC] (en anglais)
- Documents de transport/manifestes disponibles
- Traces d’AIS des navires au départ et à l’arrivée – données historiques
C. Développement d’une architecture permettant de fusionner ces documents afin d’obtenir une vue d’ensemble complète et multimodale des activités portuaires et ferroviaires à l’intérieur et à l’extérieur du port. Elle doit couvrir les éléments suivants :
i. Activité par mode de transport (nombre et caractéristiques des navires et des trains)
ii. Mesures de la performance par mode basées sur le temps (temps de séjour et de transit des flux de trains et de navires)
iii. Flux des marchandises transportées par mode ferroviaire et mode maritime (type de marchandises et origine-destination)
iv. Développement d’un flux de travail pour la saisie des données fusionnées sur la chaîne d’approvisionnement dans le tableau de bord opérationnel.
