Les systèmes de diagnostic embarqué actuels sont capables de générer en continu de grandes quantités de données sous la forme de paramètres propres au fonctionnement des véhicules (températures, régime moteur, vitesse, consommation ...) et de « log-files » historisées dans le temps. L'exploitation de ce type de données peut s'avérer utile pour le diagnostic et l'aide à la maintenance de flotte de bus.

Les travaux que nous menons dans le cadre des projets ANGO et EBSF s'intègrent dans le traitement « back-office » des données. Une analyse ad hoc des séquences de données incluant des outils de reconnaissance de motifs récurrents peut permettre de reconnaître et prévenir d'éventuels dysfonctionnements mais aussi de diminuer le nombre de fausses alarmes. En outre, l'analyse des « log-files » par des outils tels que les réseaux bayésiens peut permettre d'optimiser les stratégies de maintenance.