It literally is just a reskinned Google maps, why use Google maps but worst if you could literally just use normal Google maps
1 « J'aime »
STM constantly uses the older Transit app logo (thinner line) and colour (darker green). I know it’s minor but I’ve noticed this on the posters for the 747 as well
2 « J'aime »
Juste le fait d’ouvrir Chrono pour s’acheter des billets, va ouvrir une session GTFS, même si tu n’achètes que des billets (ce que la majorité des utilisateur font, pour ensuite revenir a Transit pour voir les horaires et leur chemin a prendre). Il y aura donc un saut immense dans les stats 2024 même si c’est un peu “tricher” avec les chiffres.
Il faut rapidement intégrer l’achat des billets sur Transit.
4 « J'aime »
I do Wonder something for the RTC, StLevis & MRCJ, what is stopping them from requesting there api to be moved to Transit
This was all done by Transit in house exceptionally for free (because the STM doesn’t have any money). A plus for a company based here! This wouldn’t happen anywhere else unless an agency pays money.
Google and Chrono will probably never receive this shuttle unless the STM creates one in their GTFS
8 « J'aime »
You mean Google or Google’s API…
STM is responsible for providing the data, Google wouldn’t custom make a bus route
1 « J'aime »
It was just a joke about Chrono doing nothing but use Google api without anything changed
(Example: chrono had 0 knowledge about the rem and literally had a note to wait for Google to Add the rem for Chrono to add it)
2 « J'aime »
Wow! Congrats to the Transit team! I’m curious. Is the schedule shown in the app the real schedule of the 809?
It’s just based on the frequencies they gave and approximate travel time they said, so it could be a few minutes off which is why I’d recommend checking the return bus if someone is using GO to track it live
Interac ad saying to use Chrono to reload OPUS, they use a stock image of Toronto I think instead of Montreal:
4 « J'aime »
Les icônes ne sont pas alignées et ça me donne envie de pleurer
9 « J'aime »
There is no competition here. In the end, whether people from valleyfield use the exo Sud-Ouest 1 to Downtown or STSV 99 to Vaudreuil, they end up using exo services either way. I’d argue that the purpose of the exo Sud-Ouest 1 isn’t to be fast, but it’s rather to connect the south shore municipalities together (from Châteaugay to Valleyfield)
1 « J'aime »
Since the Bixi app update, the button to open the Bixi app from Transit doesn’t work anymore. It opens the App Store instead.
2 « J'aime »
On android it works without issue, it’s an apple bug for now
Transit updated their home page:
3 « J'aime »
Ça semble être un lien avec le lien universel de Bixi pour iOS dans l’application iOS de transit. Soit l’application Bixi l’a changé, la m-à-j est super récente et iOS essaie encore d’ouvrir l’ancienne version de l’app.
On Transit, there is now GO Underground, to track where trains are based on the movement of your phone, and the GPS roughly:
Blog Post
Pas de GPS? Pas de problème. Notre appli détecte maintenant les véhicules sous terre.
Quand le réseau ne se rend pas dans le métro, notre détecteur de mouvement hors ligne prend la relève pour vous accompagner entre les stations et vous rappeler quand descendre.
31 octobre 2024
Dans les tunnels sinueux des métros, U-Bahn et autres trains souterrains, les connexions fiables au réseau cellulaire, wifi et GPS se font rares.
Jusqu’à tout récemment, on n’avait donc aucune façon sûre de savoir quels arrêts étaient déjà passés ni prédire votre heure d’arrivée. Une fois sous terre, la « géolocalisation » reposait sur la pratique ancestrale de déchiffrage des noms des stations qui défilent à toute vitesse, sont prononcées tout croche dans les haut-parleurs, où s’affichent en tout petit sur un écran numérique quelque part à bord.
Mauvaise nouvelle : on n’a pas trouvé les centaines de milliards de dollars de budget nécessaire pour construire nos propres satellites GPS super puissants. Bonne nouvelle : on a trouvé mieux — Étienne, Ayser, Jonathan et Luc!
Grâce à leurs exploits d’ingénierie, on peut maintenant prédire votre emplacement dans les tunnels de métro à l’aide des vibrations perçues par votre téléphone. C’est tout simple :
- Activez GO pour votre trajet.
Vous pouvez démarrer un trajet GO directement à partir d’une ligne de bus ou de métro, ou à partir d’une suggestion du planificateur de trajets.
- Et voilà! Transit affichera votre emplacement sur la carte, comptera les stations qui passent et ajustera votre heure d’arrivée.
Oui oui, tout ça sans connaître vos coordonnées GPS.
Voici comment ça marche…
Étape 1 : classification générale des mouvements
La magie commence dès que vous empruntez un tunnel de métro où le GPS ne se rend pas. Pour déterminer où vous vous trouvez entre les stations, on doit d’abord confirmer que vous êtes bien dans un véhicule en mouvement!
Pour vous donner une idée de ce qui se passe dans votre téléphone, voici les données de l’accéléromètre intégré à celui de Stephen, l’employé de Transit avec la plus grande enjambée, récoltées pendant son trajet jusqu’au bureau :
Pour faire les choses vite et bien, Stephen a identifié les différentes parties de son trajet :
- quand il a commencé à marcher
- quand il a descendu des escaliers
- quand il attendait sur le quai du métro
- quand le métro s’est mis en mouvement, s’est arrêté, etc.
S’inspirant de l’un de nos mathématiciens français préférés, on peut nettoyer les données de Stephen et les transformer en fréquences pour plus facilement isoler les moments à bord d’un métro qui bouge.
Quelques indices nous donnent déjà une bonne idée de la situation : le téléphone de Stephen vibre à environ 5 Hz quand le métro est en mouvement, comparé à 2 Hz quand Stephen marche. Mais ce n’est pas tout ou rien — d’autres vibrations et fréquences harmoniques (les bandes roses plus faibles en haut des bandes rouges plus prononcées) viennent brouiller les résultats.
Pour pouvoir dire avec certitude que « le métro est en mouvement », on doit ensuite entraîner un modèle qui pourra classer les types de mouvement. Et pour ça, ça nous prend BEAUCOUP de données.
Étape 2 : collecter les données sur (sous) le terrain
On a demandé à Stephen et ses valeureux collègues de répéter l’expérience, s’assurant cette fois-ci d’identifier les données de centaines de trajets dans des dizaines de villes, tout ça pour nous permettre de développer un modèle capable de dire « oui! le métro bouge! » peu importe le type de wagons et de rails.
Nos fidèles émissaires Étienne et Elijah sont donc partis de Montréal pour aller enregistrer les vibrations à bord du système souterrain le plus populaire de l’appli : le métro de la ville de New York.
Étienne et Elijah à la chasse aux données dans leur (sou)terrain de jeu.
Armés d’iPhones, d’Androids et de MetroCards, ils ont passé la semaine à multiplier les allers-retours à bord des bus et métros de la MTA, identifiant chaque étape de chaque trajet :
Les données qu’ils ont collectées allaient servir à démêler les vibrations à bord d’un véhicule en mouvement des autres vibrations enregistrées sur le quai et dans la station.
On s’est aussi assuré de prendre en compte les escaliers roulants et les ascenseurs, dont Elijah et Étienne ont passé de longues heures à méticuleusement noter les hauts et les bas.
Et contrairement aux autres passager·ère·s à bord, pas question de piquer une sieste entre la station de départ et la ligne d’arrivée! Chaque arrêt du wagon devait être soigneusement identifié, même entre les stations.
Étape 3 : entraîner notre classificateur de mouvement
Après avoir nettoyé et traité toutes ces données, on a enfin pu commencer à enseigner à notre classificateur de mouvement comment distinguer « métro qui bouge! » de « pas un métro qui bouge! ».
On a commencé par saisir dans notre modèle les données non classifiées de nos détecteurs de mouvement, puis on a demandé au modèle d’émettre une hypothèse aléatoire pour deviner si le téléphone se trouvait dans un véhicule en mouvement ou immobile, dans un ascenseur qui monte, dans la poche d’un employé de Transit qui marche, etc. On a ensuite comparé ces hypothèses avec nos notes (les données collectées sur/sous le terrain) et ajouté des éléments de logique pour guider notre modèle vers des prédictions plus précises.
Après de longues heures de bricolage et de patentage, notre modèle peut maintenant déduire avec confiance si une personne se trouve ou non dans un véhicule en mouvement — tout ça à partir des vibrations de son téléphone.
Après avoir déterminé qu’un·e usager·ère se déplace sous terre, la prochaine étape est d’utiliser cette info pour savoir exactement où son métro se trouvait, se trouve et se trouvera.
Étape 4 : prédire l’emplacement des usager·ère·s
Ne restait plus qu’un seul modèle à ajouter pour bien brasser notre création : le Mixeur.
On l’a entraîné à prendre en considération…
- la prédiction du type de mouvement (est-ce qu’on est à bord d’un métro qui bouge?)
- le dernier emplacement connu de l’usager·ère
- le temps écoulé depuis le dernier emplacement connu
- l’horaire du métro
…pour arriver à prédire l’emplacement actuel de l’usager·ère.
En combinant le tout, nos prédictions de géolocalisation sont maintenant exactes dans 90 % des cas.
Carte du réseau cellulaire à bord du RER à Paris. La section souterraine du trajet (à gauche) contient quelques rares points d’accès grâce aux connexions GPS, Bluetooth et wifi. À partir de ces mises à jour de l’emplacement de l’usager·ère, on peut calibrer nos prédictions pour les zones souterraines sans réception. Et quand l’usager·ère remonte à la surface pour la section du trajet (ici à droite) où le réseau se rend, on revient au GPS pour déterminer son emplacement.
C’est le Graal de la localisation souterraine : comme on peut prédire où un·e usager·ère se trouve, on peut maintenant afficher votre emplacement sur la carte dans l’appli, mettre à jour votre heure d’arrivée à destination, et vous dire quand débarquer.
On est une coche au-dessus des autres options qui estiment l’emplacement sous terre. Fini les torticolis et les chorégraphies nécessaires pour arriver à consulter les écrans où s’affichent les noms des stations quand le GPS prend le bord!
Et le plus beau dans tout ça? Notre système de décompte des stations fonctionne entièrement hors ligne. Nos deux modèles (le classificateur de mouvement et le mixeur) ont été compressés dans de tout petits fichiers qui travaillent directement dans votre téléphone, sans envoyer aucune donnée aux serveurs de Transit.
Pas de pisteurs. Pas de cookies. Les données de vibration de votre téléphone, c’est pas de nos oignons!
Envie de voir notre géolocalisation souterraine en action?
Facile — la prochaine fois que votre métro ou train passera sous terre, ouvrez Transit, activez la navigation GO et admirez les stations défiler une à une à l’écran! Pendant nos tests initiaux, cette fonctionnalité a aidé nos utilisateur·trice·s à détecter 1,5 million de stations souterraines pour effectuer environ 400 000 trajets.
La navigation GO pas-à-pas aidait déjà des millions de passager·ère·s à se déplacer à la surface de plus de 600 villes — et depuis le lancement de la navigation GO à vélo le mois dernier, les cyclistes en profitent aussi!
Les usager·ère·s souterrains font maintenant aussi partie de la gang (même s’iels utilisaient déjà GO à l’extérieur des tunnels) et peuvent continuer à se laisser guider par Transit entre l’ombre et la lumière.
13 « J'aime »