L’IA appliquée à la gestion du trafic : villes intelligentes, systèmes intelligents
Alors que les villes du monde entier ne cessent de s’agrandir, leurs élus doivent construire des espaces urbains connectés et intelligents mais aussi agréables à vivre et faciles à emprunter. Depuis mes études à l’Instituto Superior Técnico de Lisbonne il y a des années, je suis fasciné par le potentiel de l’IA. J’ai collaboré avec le United States Geological Survey (USGS) et des projets soutenus par la NASA pour produire des cartes précises de Mars. Avec mes collègues chez Schréder Hyperion, nous tentons d’utiliser l’IA afin de résoudre l’un des plus grands défis pour les citadins du monde entier : comment se débarrasser des embouteillages ?
Ça roule bien, jusqu’à ce que ça ne roule plus
Un des défis majeurs rencontrés par les villes intelligentes réside dans la façon de gérer la congestion routière et d’améliorer la mobilité de leurs citoyens. La fluidité du trafic a une incidence non seulement sur l’efficacité et la productivité de la vie urbaine, mais aussi sur l’environnement, la santé et la sécurité des personnes. Il est par conséquent crucial que les villes intelligentes suivent et optimisent les flux de circulation à l’aide de solutions innovantes basées sur les données et la technologie.
Notre nouveau livre blanc intitulé « Un aperçu de l’analyse du trafic avec une vision informatique » explique comment l’IA peut aider les municipalités à mesurer les flux de circulation d’une façon qui respecte la vie privée, ne nécessite pas d’intervention humaine (gage d’un gain de temps et d’argent) et fournisse des données granulaires utiles sur la manière dont les citoyens utilisent les routes et du moment où ils les utilisent. La compréhension des flux de trafic est essentielle pour optimiser la mobilité dans les espaces publics, mais les mesures conventionnelles nécessitent une main-d’œuvre importante, ne donnent pas d’informations détaillées sur le type de véhicule et peuvent passer à côté d’éléments clés.
Dans notre projet, qui était soutenu par la branche portugaise du programme Horizon 2020 de l’UE, nous avons utilisé l’infrastructure d’éclairage urbain pour tester une solution visant à mesurer le flux de trafic au niveau d’intersections importantes. Un dispositif d’informatique en périphérie alimenté par l’IA a été utilisé et installé sur des lampadaires. Ces appareils étaient équipés de deux capteurs de vision utilisés pour des applications de trafic multiples. Trois projets pilotes ont été déployés dans la région de Lisbonne, dans neuf carrefours des municipalités de Cascais, Loures et Oeiras. Les résultats ont montré que l’IA est très utile pour suivre le trafic.
Des capteurs ont été installés au niveau de carrefours clés de l’aire métropolitaine de Lisbonne pour analyser la densité du trafic
Tirer parti des capteurs
Au niveau de ces neuf intersections routières, nous avons installé une caméra, un capteur acoustique et un radar sur le poteau du lampadaire. Le système pouvait donc détecter les piétons, les voitures, les vélos, les camions, et le trafic. Aux carrefours les plus fréquentés, où des flux de circulation importants et des conflits sont possibles, en particulier aux heures de pointe, nous avons assuré un monitoring 24 heures sur 24. Aux autres intersections, nous avons analysé les zones résidentielles la nuit, le but étant d’identifier les moments d’excès de bruit potentiel.
Des données ont été collectées pendant deux mois, soit environ 30 jours de données par appareil. Les détails techniques complets sont disponibles dans le livre blanc, mais le plus important est qu’aucun être humain ne surveillait les données – l’IA s’occupait de tout. L’algorithme Deep SORT était utilisé pour suivre les objets détectés par le modèle de vision, lesquels étaient ensuite comptés. Les différents angles de la caméra permettaient à l’IA de distinguer les voitures, les bus, les camions, les motos et les vélos.
Nous avons procédé à une petite vérification manuelle au début pour nous assurer que les véhicules étaient correctement enregistrés, et l’utilisation ultérieure a montré que c’était bien le cas : à un moment donné, le système a cessé de signaler des véhicules mais a soudainement enregistré énormément de piétons ; une vérification rapide a révélé que la route avait en fait été fermée pour un marathon !
Protection de la vie privée et traitement en périphérie
L’une des préoccupations majeures concernant une infrastructure de type « ville intelligente » porte sur la façon d’équilibrer le respect de la vie privée des citoyens et les besoins des systèmes qui fournissent des informations utiles. Depuis des années, Schréder cherche des moyens d’atteindre cet équilibre, et l’une des solutions les plus efficaces s’avère être ce que l’on appelle l’« edge processing » ou traitement en périphérie. En traitant les données en périphérie du réseau (où se trouve le luminaire, le poteau ou le capteur), on peut les conserver là où elles sont nécessaires, plutôt que de devoir faire transiter les informations vers et depuis le cloud ou un serveur propriétaire potentiellement situé à des centaines de kilomètres. Au lieu d’envoyer des images, le capteur envoie seulement une petite quantité de données textuelles et un horodatage dans le cloud pour l’informer qu’un certain type de véhicule est passé. Aucune image, aucun son. On gagne ainsi en temps de traitement également.
Nous avons perfectionné les algorithmes d’intelligence artificielle qui tournent dans le petit ordinateur installé sur le lampadaire. Avec ce projet, l’objectif est de développer un nouveau paradigme d’infrastructures urbaines localisables, interopérables, cybersécurisées, résilientes, distribuées, autonomes et connectées qui servira de colonne vertébrale pour la mise en œuvre de technologies et d’équipements habilitants pour la transition vers une ville intelligente. Un paradigme qui permet d’observer la fluidité du trafic sans compromettre la vie privée des citoyens.
Observation, alimentée par l’IA
Cette étude initiale a fourni un certain nombre de renseignements sur le volume de trafic à différents moments de la journée et sur la circulation aux heures de pointe, ainsi que des détails intéressants sur l’usage routier. Par exemple, une intersection présentait un pic anormal de trafic en direction du nord le samedi. Ce pic est similaire aux valeurs observées en heure de pointe, bien qu’un peu plus tard (le pic se poursuit jusqu’à 11 heures du matin), ce qui correspond probablement aux automobilistes qui se rendent au centre commercial situé quelques mètres au nord du rond-point.
Des informations comme celles-ci peuvent aider les villes à prendre de meilleures décisions concernant les flux de circulation. Par exemple, l’autorité en question a pu ajuster les horaires des feux de signalisation pour permettre un accès plus rapide au centre commercial. Les urbanistes qui observent une circulation importante de vélos sur certaines routes ont pu décider de construire des pistes cyclables à ces endroits. Des données de meilleure qualité peuvent permettre de meilleures décisions, et les solutions d’intelligence artificielle peuvent fournir des informations plus granulaires sur les flux de trafic pendant de plus longues périodes que les observateurs humains.
Ce projet représente le déploiement réussi d’un dispositif d’informatique en périphérie alimenté par l’IA pour mesurer les flux de trafic au niveau d’intersections importantes sur la base d’un multi-capteur, qui a pu capter l’effet du trafic en heure de pointe et fournir des données précieuses sur les flux de circulation. De plus, la solution a pu recueillir des données utiles de jour comme de nuit, ce qui démontre sa faisabilité. Ce projet est un pas vers le développement d’un nouveau paradigme pour l’infrastructure urbaine de demain, dans lequel les embouteillages n’auront – espérons-le – plus leur place.
Téléchargez le livre blanc pour de plus amples informations
A propos de l’auteur
Diplômé de Técnico, la plus grande école d'ingénierie, de sciences et de technologie du Portugal, Lourenço est fasciné par la science depuis son plus jeune âge. Il a consacré 14 ans à l'exploration de la géologie de Mars et de certains de ses analogues terrestres, à la fois par télédétection et par un travail de terrain rigoureux (en Antarctique, dans l'Arctique et dans les déserts secs).
En 2019, il a été l'un des premiers employés à intégrer Schréder Hyperion, notre centre d'excellence Smart City. Il a rejoint l'équipe car il est convaincu que la technologie, et en particulier l'intelligence artificielle, peut devenir un atout majeur pour résoudre les problèmes urbains et rendre la vie meilleure. Il se concentre sur le développement d'applications d'IA pour les villes intelligentes afin d'améliorer la technologie pour la mobilité urbaine et les infrastructures publiques intelligentes.
Connectez-vous avec Lourenço sur LinkedIn.