24 septembre 2020 - Nadia Sartoretti
L’application «QueueForMe» vous libère de l’attente
Depuis cet été, les acrobates qui fréquentent le très couru parc d’accrobranche des Evaux n’ont plus besoin de trépigner sous les arbres en attendant de pouvoir se lancer. Grâce à un code QR, elles et ils sont placé-es par un logiciel dans une file d’attente virtuelle qui leur indique le décompte du temps restant avant leur tour. Elles et ils sont ainsi libres de faire ce qu’ils souhaitent de ce temps.
Conçu par le laboratoire Travel and Mobility R&D (TaM) de l’Université de Genève et son partenaire,Iabsis SARL, une start-up d’innovation technologique, «QueueForMe» est un système informatique qui améliore la gestion des files d’attente. Les avantages sont multiples pour les lieux qui génèrent de manière systémique de grandes affluences: il libère utilisateurs et utilisatrices de l’obligation de rester sur place, il permet d’éviter les foules compactes à l’entrée d’un musée ou d’une grande enseigne d’alimentation, comme cela s’est vu récemment, par exemple. L’intérêt de l’application se trouve aussi du côté du fournisseur, qui a l’opportunité de proposer des denrées ou autres services aux usagères et usagers qui patientent désormais hors de la file. Actuellement, outre des parcs d’attractions, deux aéroports, un musée et une grande entreprise de transport sont intéressés par «QueueForMe».
«Les tickets en vigueur dans certaines enseignes de restauration rapide, explique Michel Deriaz, chercheur en informatique et directeur du TaM, fonctionnent pour les petites affluences. Ils ne permettent pas, par contre, de prédire les délais pour des files de plus grande ampleur qui sont davantage impactées par les mouvements de retrait d’utilisateurs et d’utilisatrices ou encore par l’ouverture subite de plusieurs caisses.»
Le laboratoire TaM et Iabsis ont ainsi travaillé sur une solution dynamique basée sur la combinaison de la théorie des files d’attente datant de 1909 et de l’apprentissage automatique (machine learning). QueueForMe est capable de tenir compte des fluctuations liées aux aspects psychologiques: suis-je plus susceptible d’abandonner la file par mimétisme si la personne devant moi le fait ou au contraire plus susceptible d’y rester, parce que j’estime que mon tour viendra plus vite? «Alors qu’on ne comprend pas complètement à ce jour toutes les dynamiques psychologiques en jeu, notre système peut, grâce à l’apprentissage automatique, les interpréter», précise Michel Deriaz.
Le logiciel ajuste ses estimations en fonction du comportement des utilisateurs et utilisatrices ou des circonstances qui peuvent avoir un impact sur le temps d’attente. La modification intervient de manière fluide pour éviter qu’une personne ne soit prise de court et manque son tour. Si un changement important de la prédiction se produit et que l’utilisateur/trice n’est pas en mesure de s’adapter, elle ou il est replacé-e automatiquement un peu plus loin dans la file virtuelle. La personne s’aperçoit ainsi à peine qu’elle a manqué son tour.
Dirigé par Michel Deriaz, le groupe de recherche TaM de l’Université a été créé en 2011 et est rattaché au Centre universitaire d’informatique ainsi qu’à l’Institut de science de service informationnel (ISS). L’équipe, constituée de chercheurs, de développeurs et de doctorants, travaille à développer des applications utilisables par l’industrie ou la société, de la recherche en informatique. «L’objectif est qu’à la fin de nos projets un droit d’exploitation illimité du produit soit transmis à une entreprise en vue d’un développement commercial, explique Michel Deriaz. Notre laboratoire est spécialisé dans les systèmes de positionnement ou de géolocalisation en intérieur, c’est-à-dire qui permettent de définir la position de personnes ou d’objets dans un espace intérieur, ainsi que dans l’apprentissage automatique.»
L’équipe du TaM a travaillé sur plusieurs projets visant à utiliser ces systèmes de positionnement et les données qu’ils fournissent pour améliorer la qualité de vie des seniors : en identifiant et en signalant leurs chutes, par exemple, ou encore en leur fournissant des mémos virtuels s’adaptant automatiquement à leurs activités et permettant ainsi de maintenir autant que possible leur autonomie.
Plusieurs autres recherches sont en cours, dont le projet HorseTrack, qui permet de prédire les blessures d’un cheval, en collaboration avec une start-up créée par un cavalier avec l’armée suisse, qui met ses chevaux à disposition. Un boîtier composé de multiples capteurs, situé sous la selle des chevaux, permet de déceler les infimes variations de comportement des animaux. C’est la corrélation de ces variations avec les pathologies dont sont affectés les chevaux qui nourrit le dispositif d’apprentissage automatique.
Pour en savoir plus
