Transports Canada applique l'apprentissage automatique pour étudier la qualité et l'utilité des données sur les transports.
Conférencier
Matthew Lesniak
Ingénierie dans le groupe d’Analyse économique et des transports
Transports Canada
Transcription
Je m’appelle Matthew Lesniak et je suis agent de projets en ingénierie dans le groupe d’Analyse économique et des transports à Transports Canada.
Chaque année, Transports Canada est mandaté par le Parlement canadien afin de fournir un aperçu des principaux développements dans le secteur des transports.
Nous y présentons les performances du réseau de transport canadien dans le contexte du commerce, y compris la mobilité du trafic et les temps d'attente des camions à la frontière américaine.
Le groupe d'Analyse économique et des transports a obtenu des mégadonnées qui peuvent donner des informations très utiles sur le commerce et ses tendances.
En 2020, nous avons fait appel à l'expertise de Dataperformers pour nous aider à appliquer les techniques d’apprentissage automatique.
L'objectif de ce projet était d’utiliser les mégadonnées pour mener une étude de diligence raisonnable sur l'effet des conditions météorologiques sur la méthodologie de Transports Canada pour le calcul des temps d'attente à la frontière.
Dataperformers a répondu aux questions de politique formulées dans les délais et la limite du budget.
Aires Wang
gestionnaire de projets chez Dataperformers et le projet de vérification des temps d’attente des camions à la frontière
Transports Canada
Je m’appelle Aires Wang, je suis gestionnaire de projets chez Dataperformers et je gère le projet de vérification des temps d’attente des camions à la frontière.
Les données fournies par Transports Canada révèlent des informations essentielles qui peuvent servir à répondre aux questions politiques et soutenir le processus décisionnel.
Cependant, leur qualité et leur maniabilité sont un enjeu important car ils représentent les bases de l’analyse et de la production de rapports effectuées par Transports Canada.
Grâce à notre approche d’opérationnalisation de l’IA, nous avons appliqué les techniques d’apprentissage automatique afin d’examiner l’utilité des données tout en respectant leur confidentialité.
Finalement, nous avons mené une belle collaboration transparente en impliquant Transports Canada à chaque étape du développement de traitement de données et de modèles d’apprentissage automatique.
Ressources / Cours
· Série Découverte : Découvrez les données
