Pour combler son retard sur les pays les plus avancés en matière de systèmes de transport intelligents (ITS), le Vietnam doit relever un défi qui ne se limite pas à l’installation de caméras supplémentaires.
Il s’agit aussi de transformer les données recueillies en solutions concrètes, permettant de comprendre les flux de circulation entre les différents secteurs urbains et de mieux organiser le trafic.
Des modèles internationaux éprouvés aux solutions adaptées au Vietnam
Dans les grandes villes du monde, les données relatives aux déplacements sont depuis longtemps utilisées pour comprendre les flux de circulation, planifier les infrastructures et choisir les mesures d’organisation du trafic les plus appropriées.
À Stockholm, en Suède, un modèle combinant l’analyse de la demande de déplacements et le choix des itinéraires a permis de prévoir et de mettre en œuvre avec succès un péage urbain anti-congestion, réduisant de 20 % le nombre de véhicules entrant dans le centre-ville ou en sortant pendant la phase d’expérimentation.
À Londres, au Royaume-Uni, les autorités chargées des transports s’appuient sur des modèles d’analyse de la demande et d’affectation des flux de véhicules au réseau routier pour calculer les volumes de circulation, les temps de retard et éclairer la planification à long terme.
Malgré des modalités de mise en œuvre différentes, ces exemples montrent que les données sur les déplacements ne prennent véritablement leur valeur que lorsqu’elles servent de fondement aux décisions relatives à l’organisation du trafic.
L’étude de ces modèles performants a permis à l’équipe chargée de développer le module de gestion de la demande de déplacements de Viettel ITS de dégager un enseignement essentiel : pour bien organiser la circulation, il faut d’abord comprendre les besoins de déplacement entre les différents secteurs et la manière dont les flux de véhicules se répartissent sur le réseau, plutôt que de se concentrer uniquement sur le traitement immédiat des points de congestion.
Selon les experts de Viettel Solutions, le Vietnam peut tout à fait s’inspirer des approches internationales, mais ne saurait appliquer mécaniquement des modèles conçus pour des conditions de circulation différentes.
Dans les villes vietnamiennes, les motos représentent une part très importante du trafic, les déplacements sont particulièrement flexibles et le réseau de ruelles et de petites rues est très dense.
Aux endroits couverts par des caméras, les autorités peuvent connaître le niveau de congestion d’un carrefour et compter les véhicules qui y passent.
Toutefois, les données recueillies en un seul point ne suffisent pas à déterminer d’où viennent les flux de véhicules, où ils se dirigent ni s’ils ne font que traverser le secteur congestionné.
De plus, un véhicule peut être filmé sur un axe principal, puis emprunter une ruelle dépourvue de dispositif de surveillance avant de réapparaître à un tout autre endroit.
Le système ne peut pas considérer ces deux apparitions discontinues comme un trajet complet.
La simple connexion des points équipés de caméras pour reconstituer une carte des déplacements se heurte à de nombreuses difficultés lorsque les données ne couvrent pas l’ensemble du réseau routier.
Dans ces conditions, les ingénieurs de Viettel doivent trouver un moyen de relier les traces de déplacement incomplètes, d’identifier les trajets susceptibles d’avoir été effectués, puis de les agréger afin d’estimer les besoins de déplacement entre les différentes zones urbaines.
Pour y parvenir, le système doit associer les données des caméras à des méthodes d’analyse et d’estimation adaptées aux spécificités de la circulation au Vietnam.
Dépasser les « angles morts » des données pour reconstituer les trajets des véhicules
Pour établir une matrice origine-destination (O-D), Viettel ITS doit résoudre un problème complexe : comment déterminer les lieux de départ et d’arrivée des véhicules lorsque les caméras ne permettent pas d’observer l’intégralité de leur parcours ?
La réponse repose sur la combinaison de trois technologies, qui transforment des données de circulation fragmentaires en une vision globale des besoins de déplacement en milieu urbain.
Dans un premier temps, le système divise la ville en zones de circulation en fonction de la géographie, de la densité de population et du réseau routier.
Les secteurs présentant des caractéristiques similaires sont regroupés, tout en veillant à ce que leur superficie et leur population restent adaptées.
Ce découpage constitue une base pour déterminer les besoins de déplacement entre les zones, au lieu de se limiter à l’observation de chaque route ou carrefour pris isolément.
L’étape suivante représente également l’un des principaux défis : reconstituer les trajets à partir de données fragmentaires provenant des caméras.
Par exemple, un véhicule est enregistré au point A, puis emprunte plusieurs voies dépourvues de caméras avant d’être détecté au point B.
Le système s’appuie sur les horaires des observations, la distance et les caractéristiques du réseau routier pour évaluer si ces deux détections correspondent à un même trajet.
Les observations trop éloignées dans le temps ou incompatibles avec la durée de déplacement estimée sont considérées comme relevant de trajets distincts.
Pour les portions de trajet non couvertes par les caméras, le système analyse également les itinéraires que le véhicule a pu emprunter.
En croisant les temps de parcours avec les données réelles de circulation, la technologie sélectionne l’itinéraire le plus probable afin de reconstituer les portions manquantes.
Ainsi, des apparitions qui semblaient sans lien peuvent être reliées pour former des trajets plausibles, sur la base d’éléments concrets, plutôt que de supposer que les véhicules empruntent systématiquement le chemin le plus court.
Enfin, lorsque les données observées sont suffisantes pour permettre une estimation, les trajets sont agrégés en fonction des zones de départ et d’arrivée ainsi que des différentes plages horaires, afin d’établir une première matrice O-D.
Le système confronte ensuite cette matrice aux volumes de circulation réellement observés sur les routes et aux carrefours, puis ajuste progressivement l’affectation des flux aux différents itinéraires et le nombre de déplacements entre les zones.
Ce processus est répété afin de réduire les écarts entre les résultats calculés et les données observées.
Au lieu de simplement connaître le nombre de véhicules passant en un point donné, les autorités peuvent, grâce à la matrice O-D, estimer les zones entre lesquelles les véhicules circulent, l’ampleur de ces flux et leur évolution selon les plages horaires.
Ces informations constituent des éléments supplémentaires pour évaluer les besoins de déplacement et la pression exercée sur le réseau routier urbain.
Par exemple, si le nombre de véhicules quittant les quartiers résidentiels pour rejoindre le centre-ville augmente fortement aux heures de pointe, la matrice O-D permet d’identifier les flux à l’origine d’une pression accrue sur les axes de liaison.
Sur cette base, les autorités peuvent déterminer les secteurs prioritaires, examiner les possibilités de répartition du trafic et mettre en place une organisation de la circulation mieux adaptée aux besoins réels.
En combinant le découpage des zones de circulation, la reconstitution des trajets, l’agrégation des données et la vérification des estimations, Viettel ITS transforme progressivement les données dispersées des caméras en informations exploitables pour analyser les besoins de déplacement en milieu urbain.
Dans le domaine des solutions globales de transport intelligent, Viettel ITS a remporté en 2026 un Gold Stevie Award dans la catégorie Solutions de transport aux International Business Awards (IBA), un Silver Globee Award for Technology ainsi que la distinction « Best of Category » récompensant des produits et services technologiques destinés aux administrations publiques et au secteur public.
La réussite de Viettel ITS montre que s’inspirer des modèles internationaux les plus avancés ne signifie pas les reproduire à l’identique.
L’essentiel réside dans la capacité à maîtriser, adapter et développer les technologies en fonction des réalités vietnamiennes, afin de proposer des solutions concrètes aux défis de la circulation urbaine.
