IA et mobilité urbaine : trafic, transports et données en 2026
Bruxelles roule à environ 13,7 km/h aux heures de pointe, et chaque conducteur y a perdu 146 heures dans les embouteillages en 2025, plus de six jours, selon le TomTom Traffic Index. Comme l'espace urbain n'est pas extensible, les villes n'ont qu'une variable d'ajustement : les données. Le programme Green Light de Google, qui recalibre les feux existants par IA dans 18 villes, réduit les arrêts jusqu'à 30 % et les émissions aux carrefours d'environ 10 %. Les transports publics prévoient l'affluence et adaptent l'offre en continu. Et l'arrêt de l'application MaaS bruxelloise Floya, six millions d'euros plus tard, rappelle une vérité utile : la technologie ne fait pas l'adoption. Trafic, transports publics, données : voici ce que l'IA change pour la mobilité urbaine, vu de Belgique.
Article généré par l'IA. Contenu rédigé avec l'assistance d'un modèle d'intelligence artificielle, puis relu par un humain avant publication. Les chiffres cités renvoient à leurs sources, listées en fin d'article.
perdues par conducteur dans les embouteillages bruxellois en 2025 (TomTom Traffic Index)
-30 %
d'arrêts aux feux optimisés par l'IA de Green Light, et environ -10 % d'émissions aux carrefours (Google)
13,7 km/h
vitesse moyenne en circulation congestionnée à Bruxelles (TomTom Traffic Index)
Bruxelles roule à 13,7 km/h
Les chiffres de la congestion bruxelloise sont têtus. Selon le TomTom Traffic Index, fondé sur les données de centaines de milliards de kilomètres parcourus, un conducteur bruxellois a perdu 146 heures dans les embouteillages aux heures de pointe en 2025, plus de six jours pleins, en hausse de plus de six heures par rapport à 2024, avec une vitesse moyenne d'environ 13,7 km/h en circulation congestionnée. La géographie n'y changera rien : on ne construira pas de nouvelles avenues dans le Pentagone.
La seule marge de manœuvre est l'optimisation : mieux utiliser les carrefours, les lignes et les véhicules existants. C'est un problème de données massives et de décisions en temps réel, le terrain de l'IA. Les briques sont les mêmes que dans les autres réseaux que nous avons étudiés, du rail aux véhicules autonomes : capteurs, prévision, régulation assistée, supervision humaine.
Feux et carrefours : optimiser l'existant d'abord
L'exemple le plus documenté d'optimisation sans travaux vient du programme Green Light de Google. Le principe : analyser par IA les tendances de circulation issues de Google Maps, modéliser chaque carrefour et recommander aux ingénieurs municipaux des recalibrages des plans de feux existants, que la ville applique en quelques minutes. Résultat mesuré : jusqu'à 30 % d'arrêts en moins et environ 10 % d'émissions en moins aux carrefours, dans 18 villes sur quatre continents, pour un total pouvant atteindre 30 millions de trajets par mois passant par les intersections optimisées.
La logique vaut au-delà des feux : détection d'incidents par caméras et capteurs, prévision de trafic à quelques heures, régulation adaptative des carrefours équipés, priorité dynamique aux bus et trams en retard. Le principe directeur reste celui de toute cette série : l'IA recommande, simule et alerte ; l'ingénieur trafic décide.
À retenir
Avant d'investir dans de nouveaux équipements, l'optimisation par les données de l'infrastructure existante offre les gains les plus rapides : Green Light recalibre des feux déjà en place, sans matériel supplémentaire.
Transports publics : prévoir, adapter, informer
Pour les opérateurs, l'IA agit sur trois plans. La prévision d'affluence d'abord : historique de validations, événements, météo et vacances scolaires permettent d'anticiper la charge ligne par ligne et d'adapter l'offre, exactement comme les hôteliers prévoient leur occupation. La régulation ensuite : espacement des véhicules, priorité aux feux, gestion des perturbations avec information voyageurs en temps réel. La maintenance enfin : flottes de bus, trams et métros relèvent de la même maintenance prédictive que le rail ou l'industrie.
Prévision d'affluence
Charge prévue par ligne et par heure pour dimensionner l'offre et informer les voyageurs.
Régulation assistée
Espacement des véhicules, priorité aux feux, scénarios de perturbation recommandés au dispatching.
Maintenance des flottes
Bus, trams, métros : anticiper les pannes pour maximiser la disponibilité du parc.
Sécurité et propreté
Analyse vidéo dans le respect du RGPD : affluence des quais, objets abandonnés, maintenance des stations.
MaaS : la leçon Floya
Bruxelles a aussi produit un cas d'école en matière de numérique de mobilité. Floya, lancée en septembre 2023 par la STIB avec Bruxelles Mobilité, réunissait dans une seule application la planification, la réservation et le paiement de la STIB, De Lijn, du TEC, de la SNCB, de taxis et de véhicules partagés : du MaaS (Mobility as a Service) au sens plein. Son arrêt annoncé pour fin 2026, après environ six millions d'euros investis, dans un contexte budgétaire serré et avec l'interdiction des trottinettes en libre-service à l'horizon 2027, a été largement commenté.
La leçon dépasse la mobilité : une intégration technique réussie ne crée pas l'usage à elle seule. Avant d'agréger des services, il faut un problème utilisateur net, un modèle économique et une gouvernance claire entre partenaires. C'est vrai pour une application de mobilité comme pour tout projet d'IA en entreprise : la due diligence d'usage vaut autant que la due diligence technologique.
Ce que dit la réglementation
La mobilité urbaine croise infrastructure critique, données sensibles et espace public.
AI Act. Les systèmes d'IA utilisés comme composants de sécurité dans la gestion et l'exploitation du trafic routier relèvent du haut risque : gestion des risques, supervision humaine et documentation s'imposent aux villes comme à leurs fournisseurs.
RGPD. Caméras ANPR, données de validation et traces de déplacement sont des données personnelles particulièrement révélatrices : bases légales strictes, minimisation, anonymisation et analyses d'impact.
Directive ITS. La directive 2010/40, révisée en 2023, organise la mise à disposition des données de mobilité en temps réel et l'interopérabilité entre opérateurs, socle indispensable de tout MaaS et de toute régulation multimodale.
Marchés publics. Les algorithmes achetés par les villes engagent leur responsabilité : exigences de transparence, d'auditabilité et de réversibilité à écrire dans les cahiers des charges.
Passer à l'action
1
Mesurer avant d'équiper
Consolider les données existantes (boucles, caméras, validations, GPS flottes) : le diagnostic précède l'investissement.
2
Optimiser l'infrastructure en place
Recalibrage des feux, priorité bus, régulation adaptative : les gains les plus rapides ne demandent pas de travaux.
3
Cadrer conformité et gouvernance
AI Act, RGPD pour l'ANPR et les traces, partage de données ITS et clauses d'auditabilité dans les marchés.
4
Valider l'usage avant d'agréger
La leçon Floya : un problème utilisateur net et un modèle économique avant la prouesse d'intégration.
Questions fréquentes
Comment l'IA réduit-elle les embouteillages ?
D'abord en optimisant l'existant : Green Light (Google) recalibre les feux par IA dans 18 villes, avec jusqu'à 30 % d'arrêts en moins et environ 10 % d'émissions en moins aux carrefours, sans nouveau matériel. S'y ajoutent prévision de trafic, régulation adaptative et priorité dynamique aux transports publics.
Bruxelles est-elle vraiment si congestionnée ?
Oui : 146 heures perdues par conducteur aux heures de pointe en 2025, plus de six jours, en hausse de plus de six heures sur un an, avec une vitesse moyenne d'environ 13,7 km/h en circulation congestionnée (TomTom Traffic Index).
Qu'est-ce que le MaaS et pourquoi Floya s'arrête-t-elle ?
Le MaaS regroupe planification, réservation et paiement de plusieurs modes dans une application. Floya (STIB, 2023) intégrait STIB, De Lijn, TEC, SNCB, taxis et véhicules partagés ; son arrêt fin 2026, après environ six millions d'euros, rappelle que l'agrégation technique ne crée pas l'usage sans modèle économique et gouvernance.
L'IA de la mobilité urbaine est-elle réglementée ?
Oui : haut risque AI Act pour les composants de sécurité de la gestion du trafic, RGPD strict pour l'ANPR et les traces de déplacement, et directive ITS révisée pour le partage des données de mobilité en temps réel.
Sources
TomTom, Traffic Index, Brussels (146 heures perdues aux heures de pointe en 2025, en hausse de plus de six heures par rapport à 2024 ; vitesse moyenne d'environ 13,7 km/h en circulation congestionnée). tomtom.com
Google Research, Green Light (recommandations par IA de recalibrage des feux existants : jusqu'à 30 % d'arrêts en moins et environ 10 % d'émissions en moins aux carrefours ; 18 villes sur quatre continents ; jusqu'à 30 millions de trajets par mois via les intersections optimisées). sites.research.google
Ville de Bruxelles / STIB, L'app Floya réunit tous les moyens de transport à Bruxelles (lancement en septembre 2023 avec Bruxelles Mobilité ; intégration STIB, De Lijn, TEC, SNCB, taxis et véhicules partagés). bruxelles.be
BX1, L'abandon de l'application Floya et L'Avenir, Un échec à 6 millions d'euros (arrêt annoncé pour fin 2026 ; environ six millions d'euros investis ; contexte budgétaire et interdiction des trottinettes partagées en 2027). bx1.be
Union européenne, règlement (UE) 2024/1689 (AI Act), annexe III (composants de sécurité de la gestion et de l'exploitation du trafic routier classés à haut risque). eur-lex.europa.eu
Union européenne, directive 2010/40/UE (ITS) révisée par la directive (UE) 2023/2661 (données de mobilité en temps réel et interopérabilité). eur-lex.europa.eu
Votre ville ou votre flotte roule-t-elle à la donnée ?
Molderez Consult aide villes, opérateurs de transport et gestionnaires de flottes belges à cibler les cas d'usage IA à fort impact, cadrer la conformité AI Act, RGPD et ITS, et industrialiser leurs modèles du pilote à la production.
Article généré par l'IA. Contenu rédigé avec l'assistance d'un modèle d'intelligence artificielle, puis relu par un humain avant publication. Les chiffres cités renvoient à leurs sources, listées en fin d'article.
AI en stedelijke mobiliteit: verkeer, vervoer en data in 2026
Brussel rijdt ongeveer 13,7 km/u tijdens de spits, en elke bestuurder verloor er in 2025 146 uur in de files, meer dan zes dagen, volgens de TomTom Traffic Index. Omdat de stedelijke ruimte niet uitbreidbaar is, hebben steden maar één hefboom: data. Het Green Light-programma van Google, dat bestaande verkeerslichten met AI herkalibreert in 18 steden, vermindert het aantal stops met tot 30 % en de uitstoot aan kruispunten met ongeveer 10 %. Het openbaar vervoer voorspelt de drukte en past het aanbod continu aan. En de stopzetting van de Brusselse MaaS-app Floya, zes miljoen euro later, herinnert aan een nuttige waarheid: technologie maakt geen adoptie. Verkeer, openbaar vervoer, data: dit verandert AI voor de stedelijke mobiliteit, bekeken vanuit België.
Artikel gegenereerd door AI. Tekst opgesteld met de hulp van een AI-model en door een mens nagelezen vóór publicatie. De vermelde cijfers verwijzen naar hun bronnen, onderaan dit artikel.
per bestuurder verloren in de Brusselse files in 2025 (TomTom Traffic Index)
-30 %
stops aan verkeerslichten geoptimaliseerd door de AI van Green Light, en ongeveer -10 % uitstoot aan kruispunten (Google)
13,7 km/u
gemiddelde snelheid in fileverkeer in Brussel (TomTom Traffic Index)
Brussel rijdt 13,7 km/u
De cijfers over de Brusselse congestie zijn hardnekkig. Volgens de TomTom Traffic Index, gebaseerd op honderden miljarden gereden kilometers, verloor een Brusselse bestuurder in 2025 146 uur in de spitsfiles, meer dan zes volle dagen, ruim zes uur meer dan in 2024, met een gemiddelde snelheid van ongeveer 13,7 km/u in fileverkeer. De geografie verandert daar niets aan: in de Vijfhoek komen geen nieuwe lanen bij.
De enige marge is optimalisatie: de bestaande kruispunten, lijnen en voertuigen beter benutten. Dat is een probleem van massale data en realtimebeslissingen, het terrein van AI. De bouwstenen zijn dezelfde als in de andere netwerken die we bestudeerden, van het spoor tot de autonome voertuigen: sensoren, voorspelling, ondersteunde regeling, menselijk toezicht.
Verkeerslichten en kruispunten: eerst het bestaande optimaliseren
Het best gedocumenteerde voorbeeld van optimalisatie zonder werken komt van het Green Light-programma van Google. Het principe: de verkeersstromen uit Google Maps met AI analyseren, elk kruispunt modelleren en de stadsingenieurs herkalibraties van de bestaande lichtenplannen aanbevelen, die de stad in enkele minuten toepast. Gemeten resultaat: tot 30 % minder stops en ongeveer 10 % minder uitstoot aan de kruispunten, in 18 steden op vier continenten, met tot 30 miljoen ritten per maand via de geoptimaliseerde kruispunten.
De logica reikt verder dan de lichten: incidentdetectie via camera's en sensoren, verkeersvoorspelling op enkele uren, adaptieve regeling van uitgeruste kruispunten, dynamische voorrang voor bussen en trams met vertraging. Het leidende principe blijft dat van deze hele reeks: AI beveelt aan, simuleert en waarschuwt; de verkeersingenieur beslist.
Onthoud
Vóór te investeren in nieuwe uitrusting biedt datagedreven optimalisatie van de bestaande infrastructuur de snelste winsten: Green Light herkalibreert lichten die er al staan, zonder extra materiaal.
Voor de operatoren werkt AI op drie vlakken. Eerst de druktevoorspelling: validatiehistoriek, evenementen, weer en schoolvakanties laten toe de belasting lijn per lijn te anticiperen en het aanbod aan te passen, precies zoals hoteliers hun bezetting voorspellen. Vervolgens de regeling: spreiding van voertuigen, voorrang aan de lichten, verstoringsbeheer met realtime reizigersinformatie. Ten slotte het onderhoud: vloten bussen, trams en metro's vallen onder hetzelfde voorspellende onderhoud als het spoor of de industrie.
Druktevoorspelling
Voorspelde belasting per lijn en per uur om het aanbod te dimensioneren en reizigers te informeren.
Ondersteunde regeling
Spreiding van voertuigen, voorrang aan de lichten, verstoringsscenario's aanbevolen aan de dispatching.
Vlootonderhoud
Bussen, trams, metro's: pannes anticiperen om de beschikbaarheid van het park te maximaliseren.
Veiligheid en netheid
Videoanalyse met respect voor de AVG: perrondrukte, achtergelaten voorwerpen, stationsonderhoud.
MaaS: de les van Floya
Brussel leverde ook een schoolvoorbeeld inzake mobiliteitsdigitalisering. Floya, in september 2023 gelanceerd door de MIVB met Brussel Mobiliteit, verenigde in één app de planning, reservatie en betaling van MIVB, De Lijn, TEC, NMBS, taxi's en deelvoertuigen: MaaS (Mobility as a Service) in de volle zin. De aangekondigde stopzetting eind 2026, na ongeveer zes miljoen euro investeringen, in een krap budgettair kader en met het verbod op deelsteps tegen 2027, werd breed becommentarieerd.
De les overstijgt de mobiliteit: een geslaagde technische integratie creëert op zich geen gebruik. Vóór het aggregeren van diensten heb je een scherp gebruikersprobleem, een economisch model en een duidelijke governance tussen partners nodig. Dat geldt voor een mobiliteitsapp zoals voor elk AI-project in een onderneming: de gebruiks-due-diligence weegt even zwaar als de technologische.
Wat de regelgeving zegt
Stedelijke mobiliteit kruist kritieke infrastructuur, gevoelige data en openbare ruimte.
AI Act. AI-systemen die als veiligheidscomponent dienen in het beheer en de exploitatie van het wegverkeer vallen onder hoog risico: risicobeheer, menselijk toezicht en documentatie gelden voor steden én hun leveranciers.
AVG. ANPR-camera's, validatiedata en verplaatsingssporen zijn bijzonder onthullende persoonsgegevens: strikte rechtsgronden, minimalisering, anonimisering en effectbeoordelingen.
ITS-richtlijn. Richtlijn 2010/40, herzien in 2023, organiseert de beschikbaarstelling van realtime mobiliteitsdata en de interoperabiliteit tussen operatoren, de onmisbare sokkel van elke MaaS en multimodale regeling.
Overheidsopdrachten. De algoritmes die steden aankopen, engageren hun verantwoordelijkheid: eisen van transparantie, auditeerbaarheid en omkeerbaarheid horen in de bestekken.
Aan de slag
1
Meten vóór uitrusten
De bestaande data consolideren (lussen, camera's, validaties, vloot-GPS): de diagnose gaat vooraf aan de investering.
2
De bestaande infrastructuur optimaliseren
Herkalibratie van lichten, busvoorrang, adaptieve regeling: de snelste winsten vergen geen werken.
3
Conformiteit en governance omkaderen
AI Act, AVG voor ANPR en sporen, ITS-datadeling en auditeerbaarheidsclausules in de opdrachten.
4
Het gebruik valideren vóór aggregeren
De les van Floya: een scherp gebruikersprobleem en een economisch model vóór de integratieprestatie.
Veelgestelde vragen
Hoe vermindert AI de files?
Eerst door het bestaande te optimaliseren: Green Light (Google) herkalibreert de lichten met AI in 18 steden, met tot 30 % minder stops en ongeveer 10 % minder uitstoot aan de kruispunten, zonder nieuw materiaal. Daarbovenop komen verkeersvoorspelling, adaptieve regeling en dynamische voorrang voor het openbaar vervoer.
Is Brussel echt zo dichtgeslibd?
Ja: 146 uur per bestuurder verloren in de spits in 2025, meer dan zes dagen, ruim zes uur meer op één jaar, met een gemiddelde snelheid van ongeveer 13,7 km/u in fileverkeer (TomTom Traffic Index).
Wat is MaaS en waarom stopt Floya?
MaaS bundelt planning, reservatie en betaling van meerdere modi in één app. Floya (MIVB, 2023) integreerde MIVB, De Lijn, TEC, NMBS, taxi's en deelvoertuigen; de stopzetting eind 2026, na ongeveer zes miljoen euro, herinnert eraan dat technische aggregatie geen gebruik creëert zonder economisch model en governance.
Is AI voor stedelijke mobiliteit gereguleerd?
Ja: hoog risico onder de AI Act voor veiligheidscomponenten van het verkeersbeheer, strikte AVG voor ANPR en verplaatsingssporen, en de herziene ITS-richtlijn voor het delen van realtime mobiliteitsdata.
Bronnen
TomTom, Traffic Index, Brussels (146 uur verloren in de spits in 2025, ruim zes uur meer dan in 2024; gemiddelde snelheid van ongeveer 13,7 km/u in fileverkeer). tomtom.com
Google Research, Green Light (AI-aanbevelingen voor herkalibratie van bestaande lichten: tot 30 % minder stops en ongeveer 10 % minder uitstoot aan kruispunten; 18 steden op vier continenten; tot 30 miljoen ritten per maand via de geoptimaliseerde kruispunten). sites.research.google
Stad Brussel / MIVB, De app Floya verenigt alle vervoersmiddelen in Brussel (lancering in september 2023 met Brussel Mobiliteit; integratie MIVB, De Lijn, TEC, NMBS, taxi's en deelvoertuigen). bruxelles.be
BX1, L'abandon de l'application Floya en L'Avenir, Un échec à 6 millions d'euros (stopzetting aangekondigd voor eind 2026; ongeveer zes miljoen euro geïnvesteerd; budgettaire context en verbod op deelsteps in 2027). bx1.be
Europese Unie, verordening (EU) 2024/1689 (AI Act), bijlage III (veiligheidscomponenten van het beheer en de exploitatie van het wegverkeer geklasseerd als hoog risico). eur-lex.europa.eu
Europese Unie, richtlijn 2010/40/EU (ITS) herzien door richtlijn (EU) 2023/2661 (realtime mobiliteitsdata en interoperabiliteit). eur-lex.europa.eu
Molderez Consult helpt Belgische steden, vervoersoperatoren en vlootbeheerders AI-toepassingen met grote impact te kiezen, de conformiteit met de AI Act, AVG en ITS te omkaderen en hun modellen te industrialiseren van piloot tot productie.
Artikel gegenereerd door AI. Tekst opgesteld met de hulp van een AI-model en door een mens nagelezen vóór publicatie. De vermelde cijfers verwijzen naar hun bronnen, onderaan dit artikel.
AI and Urban Mobility: Traffic, Transport and Data in 2026
Brussels moves at about 13.7 km/h at rush hour, and every driver there lost 146 hours in traffic jams in 2025, more than six days, according to the TomTom Traffic Index. Since urban space cannot be extended, cities have only one lever left: data. Google's Green Light programme, which uses AI to recalibrate existing traffic lights in 18 cities, cuts stops by up to 30% and intersection emissions by about 10%. Public transport operators forecast crowding and adapt supply continuously. And the shutdown of Brussels' MaaS app Floya, six million euros later, recalls a useful truth: technology does not create adoption. Traffic, public transport, data: here is what AI changes for urban mobility, seen from Belgium.
Article generated by AI. Content written with the help of an artificial intelligence model and reviewed by a human before publication. The figures cited point to their sources, listed at the end of the article.
lost per driver in Brussels traffic jams in 2025 (TomTom Traffic Index)
-30%
stops at lights optimised by Green Light's AI, and about -10% emissions at intersections (Google)
13.7 km/h
average speed in congested traffic in Brussels (TomTom Traffic Index)
Brussels moves at 13.7 km/h
The figures on Brussels congestion are stubborn. According to the TomTom Traffic Index, based on hundreds of billions of kilometres driven, a Brussels driver lost 146 hours in rush-hour traffic in 2025, more than six full days, up by more than six hours on 2024, with an average speed of about 13.7 km/h in congested traffic. Geography will not change: no new avenues will be built in the Pentagon.
The only room for manoeuvre is optimisation: making better use of existing junctions, lines and vehicles. That is a problem of massive data and real-time decisions, AI's home turf. The building blocks are the same as in the other networks we have studied, from rail to autonomous vehicles: sensors, forecasting, assisted control, human oversight.
Lights and junctions: optimise what exists first
The best documented example of optimisation without construction comes from Google's Green Light programme. The principle: use AI to analyse driving trends from Google Maps, model each junction and recommend recalibrations of existing traffic light plans to city engineers, who can apply them in minutes. Measured results: up to 30% fewer stops and close to 10% lower emissions at intersections, across 18 cities on four continents, covering up to 30 million car trips per month through optimised intersections.
The logic extends beyond lights: incident detection through cameras and sensors, traffic forecasting a few hours ahead, adaptive control of equipped junctions, dynamic priority for delayed buses and trams. The guiding principle remains that of this whole series: AI recommends, simulates and alerts; the traffic engineer decides.
Key takeaway
Before investing in new equipment, data-driven optimisation of existing infrastructure delivers the fastest gains: Green Light recalibrates lights already in place, with no additional hardware.
Public transport: forecast, adapt, inform
For operators, AI acts on three fronts. Crowding forecasting first: validation history, events, weather and school holidays make it possible to anticipate load line by line and adapt supply, exactly as hoteliers forecast occupancy. Control next: vehicle spacing, priority at lights, disruption management with real-time passenger information. Maintenance finally: bus, tram and metro fleets fall under the same predictive maintenance as rail or industry.
Crowding forecasting
Forecast load per line and per hour to size supply and inform passengers.
Assisted control
Vehicle spacing, priority at lights, disruption scenarios recommended to dispatching.
Fleet maintenance
Buses, trams, metros: anticipating failures to maximise fleet availability.
Safety and cleanliness
Video analytics under GDPR: platform crowding, abandoned objects, station maintenance.
MaaS: the Floya lesson
Brussels also produced a textbook case in mobility tech. Floya, launched in September 2023 by STIB with Brussels Mobility, brought together in a single app the planning, booking and payment of STIB, De Lijn, TEC, SNCB, taxis and shared vehicles: MaaS (Mobility as a Service) in the full sense. Its announced shutdown for the end of 2026, after about six million euros invested, in a tight budget context and with free-floating scooters banned from 2027, was widely commented.
The lesson goes beyond mobility: a successful technical integration does not create usage by itself. Before aggregating services, you need a sharp user problem, a business model and clear governance between partners. That holds for a mobility app as for any enterprise AI project: usage due diligence matters as much as technology due diligence.
What the regulations say
Urban mobility sits at the crossroads of critical infrastructure, sensitive data and public space.
AI Act. AI systems used as safety components in the management and operation of road traffic fall under high risk: risk management, human oversight and documentation apply to cities and their suppliers alike.
GDPR. ANPR cameras, validation data and movement traces are particularly revealing personal data: strict legal bases, minimisation, anonymisation and impact assessments.
ITS Directive. Directive 2010/40, revised in 2023, organises the availability of real-time mobility data and interoperability between operators, the indispensable foundation of any MaaS and multimodal control.
Public procurement. The algorithms cities buy engage their responsibility: transparency, auditability and reversibility requirements belong in the specifications.
Light recalibration, bus priority, adaptive control: the fastest gains require no construction.
3
Frame compliance and governance
AI Act, GDPR for ANPR and traces, ITS data sharing and auditability clauses in contracts.
4
Validate usage before aggregating
The Floya lesson: a sharp user problem and a business model before the integration feat.
Frequently asked questions
How does AI reduce traffic jams?
First by optimising what exists: Green Light (Google) recalibrates lights with AI in 18 cities, with up to 30% fewer stops and about 10% lower emissions at intersections, with no new hardware. Add traffic forecasting, adaptive control and dynamic priority for public transport.
Is Brussels really that congested?
Yes: 146 hours lost per driver at rush hour in 2025, more than six days, up more than six hours in a year, with an average speed of about 13.7 km/h in congested traffic (TomTom Traffic Index).
What is MaaS and why is Floya shutting down?
MaaS bundles planning, booking and payment of several modes into one app. Floya (STIB, 2023) integrated STIB, De Lijn, TEC, SNCB, taxis and shared vehicles; its shutdown at the end of 2026, after about six million euros, recalls that technical aggregation does not create usage without a business model and governance.
Is AI for urban mobility regulated?
Yes: high risk under the AI Act for safety components of traffic management, strict GDPR for ANPR and movement traces, and the revised ITS Directive for sharing real-time mobility data.
Sources
TomTom, Traffic Index, Brussels (146 hours lost at rush hour in 2025, up more than six hours on 2024 ; average speed of about 13.7 km/h in congested traffic). tomtom.com
Google Research, Green Light (AI recommendations to recalibrate existing lights: up to 30% fewer stops and close to 10% lower emissions at intersections ; 18 cities on four continents ; up to 30 million car trips per month through optimised intersections). sites.research.google
City of Brussels / STIB, The Floya app brings together all transport modes in Brussels (launched September 2023 with Brussels Mobility ; integrating STIB, De Lijn, TEC, SNCB, taxis and shared vehicles). bruxelles.be
BX1, L'abandon de l'application Floya and L'Avenir, Un échec à 6 millions d'euros (shutdown announced for the end of 2026 ; about six million euros invested ; budget context and shared scooter ban from 2027). bx1.be
European Union, Regulation (EU) 2024/1689 (AI Act), Annex III (safety components of road traffic management and operation classified as high risk). eur-lex.europa.eu
European Union, Directive 2010/40/EU (ITS) revised by Directive (EU) 2023/2661 (real-time mobility data and interoperability). eur-lex.europa.eu
Molderez Consult helps Belgian cities, transport operators and fleet managers target high-impact AI use cases, frame AI Act, GDPR and ITS compliance, and industrialise their models from pilot to production.
Article generated by AI. Content written with the help of an artificial intelligence model and reviewed by a human before publication. The figures cited point to their sources, listed at the end of the article.