PRÉDICTIONS ET INTELLIGENCE ARTIFICELLE POUR LA MOBILITÉ URBAINE MIEUX CIRCULER MOINS POLLUER

QUANTIFIER LA VILLE POUR LA RENDRE PLUS INTELLIGENTE NOTRE MISSION : FAVORISER L’ÉMERGENCE DE VILLES PLUS INTELLIGENTES ET PLUS EFFICACES OÙ LE GASPILLAGE DES RESSOURCES NATURELLES EST MINIMISÉ. Qucit, dont le nom provient de la contraction de « quantified cities », ambitionne de réaliser pour les villes ce que le « quantified self » réalise pour les personnes : capter les données de mobilité urbaine, les analyser pour mesurer le « pouls » de la ville, en déduire des stratégies optimales pour la planification des investissements d’infrastructure urbaine et leur exploitation.

UNE INTELLIGENCE ARTIFICIELLE DISTRIBUÉE SOUS FORME D’API, D’APPLICATIONS MOBILES ET DE SERVICES SUR LES MARCHÉS DU VÉLO EN LIBRE SERVICE ET DU PARKING Bike PredictCitypark Fonctionnalités clés Prédictions de la disponibilité des vélos et emplacements pour les systèmes de vélo en libre service. Estimation de la durée porte à porte d’un trajet urbain en voiture, en incluant le temps de parking. Distribution API, Application, Outils de gestion, Consulting. Application Mobile. Données collectées 500 villes dans le monde.50 villes dans le monde. Distribution Bordeaux, Paris.Bordeaux. Feuille de route Extension de la distribution géographique. Fonctionnalités payantes (API, dashboard, outil de plannification). API, Outils de gestion.

Collecte des données via les open data des opérateurs / des villes et les données dispos par un scrapper développé par nos ingénieurs Modèle statistiques mathématique Prédiction renvoyée via une API REST COMMENT ÇA MARCHE ? LA TECHNOLOGIE AU SERVICE DE L’UTILISATEUR

Depuis Septembre 2014, La Bonne Station fournit des prédictions sur le nombre de vélo(s) / borne(s) disponible(s) grâce à notre API BikePredict et ce produit a fait ses preuves ( requêtes traitées, 100% des requêtes traitées en moins de 75ms, résultats sûrs à plus de 91%). Fort de cette expérience nous avons enrichi le contenu et décidé de développer notre application BikePredict dont le lancement est prévu en décembre. Des développeurs indépendants vont également utiliser notre solution qui est mise à disposition sous forme d’API documentée. Nous collectons des données sur plus de 500 systèmes de Vélo-en-Libre-Service dans le monde, où BikePredict peut être rapidement mis à disposition. DES PRÉDICTIONS DE DISPONIBILITÉS DES VÉLOS EN LIBRE-SERVICE FIABLES DEPUIS PLUS D’UN AN À BORDEAUX

L’ÉQUIPE Raphaël, PhD CEO Nicolas, PhD Data Science Yassine Data Science Rémi, PhD Data Science Clement CMO Hassène CTO Paul Engineering Marine UI/UX Designer Simon Business Development Théo Engineering

HISTORIQUE DE LA SOCIÉTÉ Partenariat de recherche initié par Raphaël Cherrier avec Keolis Bordeaux, ayant pour but l’analyse des données générées par l’exploitation des vélos en libre- service de la Communauté urbaine de Bordeaux, les VCub et en particulier l’étude des stratégies optimales de réassort et d’agrandissement du réseau. Prise de disponibilité de Raphaël Cherrier pour mener le projet Qucit. Janvier Incubation à l’Incubateur Régional d’Aquitaine. Avril Premier client: Keolis Bordeaux. Mai Lauréat du concours I-LAB en catégorie Émergence. 27 mai Création de Qucit. Juillet Lauréat du Concours Mondial de l’Innovation. Septembre Lancement du « VCub Predict » pour Keolis Bordeaux. Novembre Fait partie des 11 startups numériques sélectionnées par la French Tech et UbiFrance pour représenter la France au Web Summit de Dublin. Février Mise au point d’un outil de monitoring pour Keolis Bordeaux Mars Étude de sensibilité au prix des usagers du VCub pour Keolis Bordeaux Juin Lauréat du concours I-LAB en catégorie Création-Développement Septembre Lancement de l’application CityPark Décembre Lancement de l’application BikePredict

CLIENTS, PARTENAIRES ET SPONSORS