Campus Car était un projet en deux parties, la phase de recherche d’abord (avec Ambre Geiss, Manon Jeanpierre et Mathilde Vauquieres), puis une phase de conception (avec d'Ambre Geiss seulement).
L’idée était de proposer un service de covoiturage pour le personnel et les étudiants des pôles universitaires du Doubs, comme une sorte de BlaBlaLines locale (maintenant BlaBlaCar Daily). Ce projet était lié au parking connecté disponible sur le pôle de Montbéliard, mais avait un impact mineur sur les rendus finaux.
Conception
Dans un premier temps, le travail a consisté à monter un dossier faisant la somme de nos recherches sur le sujet avant de s'attaquer à la conception d’une solution.
Ensuite, du User Flow, nous avons ensuite tiré un Wireframe de l’application sous Adobe XD, afin de préciser le zoning et l'ergonomie générale de l’application. L’occasion également de venir préciser quelques usages. Une fois le Wireframe validé, il était temps de passer à la maquette interactive.
Des problèmes et des solutions
Le postulat de base de Campus Car, se basant sur les personnes travaillant ou étudiant sur les pôles universitaires, diminuait largement le nombre d’utilisateurs potentiels comparé à une application classique du genre. L’idée fut alors de savoir comment résorber ce manque.
Notre solution ? Générer automatiquement des trajets en fonction des disponibilités données par les conducteurs et les faire apparaître comme suggestion aux autres utilisateurs. De cette façon nous limitions la recherche manuelle tout en nous assurant plus de conducteurs qu’avec des démarches manuelles, ceux-ci n’ayant qu’à accepter ou refuser les demandes des passagers.
Les problèmes de ce genre étaient nombreux, parce que même si le covoiturage domicile/travail n’est pas nouveau, le contexte de l’application nous obligeait à revoir certaines choses à priori acquises.
Pour donner un autre exemple, c’est également dans cette logique là que nous avons décidé de nous passer d’un système de notation pour partir sur un simple système de recommandation (qui jouerait dans l'algorithme de suggestions). Étant donné que les personnes auraient de très fortes chances de partager le même lieu de travail, le risque de “mauvais joueur” serait de toute façon limité, a contrario un système de notation entre personnes pouvant se côtoyer quotidiennement aurait pu créer certaines tensions. Un système de recommandation simplifie et lisse le côté "évaluation de l’autre” tout en conservant certains aspects positifs de la notation.
Certainement qu’il existe encore dans notre proposition des questions irrésolues, mais cette suite de problèmes et de solutions à différentes échelles est ce qui rend ce genre de projet intéressant.
