High-Tech

Prédire les accidents de la route sans historique d’accidents de la route

Publicité

Le laboratoire de recherche en intelligence artificielle du MIT exploite des données GPS et des images satellites pour générer des cartes de zones dangereuses sur la route. La configuration des voies et la densité du trafic compte parmi les données utilisées.

MIT accidents de la route

La carte des zones à risque d’accident obtenue pour quatre villes américaines.

MIT CSAIL

La méthode est a priori contre-intuitive. Pour prédire avec un algorithme d’apprentissage profond (deep learning) où des accidents de la route vont se produire, une équipe de chercheurs du laboratoire d’intelligence artificielle du Massachussetts Institute of Technology (Etats-Unis) et de l’université Hamad bin Khalifa, au Qatar, ne se sont pas basés la répartition des accidents passés.

De tels outils de prédiction ont déjà été mis au point, au moins dans un cadre académique, mais ils concernent des zones assez vastes: une autoroute entière, des carrés de plusieurs centaines de mètres voire kilomètres carrés. Là, le projet s’attaque à une prédiction sur des zones de 5 mètres sur 5. A cette échelle, les bases d’accidents de la route ne fournissent pas assez de données relatives à chaque zone pour permettre à un algorithme d’être entraîné. Les événements sont trop éparpillés et, selon les endroits, l’algorithme va avoir tendance à surestimer ou sous-estimer le risque d’accident.

Publicité

Etudier la configuration des lieux

D’où l’idée de se tourner vers d’autres critères. Si des accidents ont été recensés sur tel type de virage, tel genre de bretelle d’autoroute ou de carrefour, l’équipe a tenu compte de la configurations des lieux plutôt que de la quantité d’événements. Leur prédiction consiste alors à repérer des sites routiers aux caractéristiques similaires et de les identifier comme “à risque”.

“Notre objectif […] n’est pas d’identifier exactement où de nouveaux accidents vont survenir car c’est impossible. Nous cherchons plutôt le risque sous-jacent d’accident à chaque endroit, que des accidents s’y soient déjà produit ou non” écrivent les chercheurs dans leur article paru mi-octobre 2021.

Le projet a porté sur quatre villes américaines, New York, Boston, Chicago et Los Angeles, soit une aire géographique cumulée de 7.500 kilomètres carrés. Ils ont utilisé des images satellites issues de MapBox, un service destiné aux développeurs, des cartes routières tirées de OpenStreetMap et des données GPS couvrant la période 2015-2017. Ces dernières ont servi à évaluer les trajectoires des véhicules sur les routes et à en déduire la densité de circulation. Au total, 7,6 millions de kilomètres de trajet ont pu être reconstitués. Dernier élément, une base de données de 4,2 millions d’accidents entre 2016 et 2020, avec coordonnées et horodatage.

Après quoi, l’algorithme s’est entraîné sur diverses combinaisons de ces données, avec ou sans les données historiques. L’évaluation a montré qu’en partant des données de 2016 à 2017, il était possible de prédire correctement les accidents de 2019-2020. Ce qui veut dire, estiment les chercheurs que l’outil est transposable à n’importe quel ville de n’importe quel pays, même quand on ne dispose pas d’un recensement des accidents de la route. Il pourrait même servir à mieux concevoir un plan routier en amont de la construction, en se référant à ce qui s’est passé ailleurs sur des routes aux caractéristiques similaires.

Source: Sciencesetavenir.fr

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Bouton retour en haut de la page