Données et IA : vers une nouvelle ère de la sécurité des routes

Une nouvelle forme de patrouille routière

Il est désormais possible d’utiliser des technologies de reconnaissance visuelle pour détecter et reconnaître les véhicules sur une autoroute. L’ajout de science des données à ces informations permet d’entraîner des modèles statistiques afin de comprendre comment les différentes voitures, camions, motos et camionnettes se comportent généralement lorsqu'ils se déplacent.

Grâce à ces flux d'informations et aux modèles de données correspondants, le comportement des conducteurs sera plus prédictible : il sera possible de détecter des véhicules susceptibles de se retrouver à contresens en analysant la trajectoire qu’ils empreintent, ceux qui sont sur le point de tomber en panne (par exemple lorsque leur vitesse est beaucoup plus basse que celle des autres véhicules) et surtout, ceux qui risquent de provoquer des accidents (grâce à des signaux comme une vitesse trop élevée, une conduite hasardeuse et une prise de risques alarmante). Le traitement de ces informations en temps réel laisse entrevoir une nouvelle forme de patrouille routière, totalement à distance.

Le recueil de statistiques sur le trafic pour mieux détecter toute anomalie

Les nouvelles technologies sont aussi en mesure de cartographier les routes en leur attribuant différentes valeurs en fonction de leurs statistiques de fréquentation. Il est par exemple possible de collecter un grand nombre d’informations sur les types de véhicules qui empruntent certaines routes à certaines heures de la journée, ou à certains moments de la semaine, du mois ou de l'année.

Les équipes en charge de l’analyse des données ont donc la possibilité de savoir si les camions circulent davantage à certaines saisons ou pendant des créneaux horaires spécifiques, si les routes qui mènent à des stades sont plus empruntées certains jours (pour ne citer que ces exemples). Ces statistiques servent à déterminer des modèles de comportement pour des véhicules donnés, ce qui rend la détection de toute anomalie ou valeur inhabituelle bien plus facile. L’analyse de ces informations peut également permettre d’informer les conducteurs de toute irrégularité ou perturbation du trafic, et de le réguler au maximum.

L’IA au service d’une meilleure maintenance des infrastructures

Ces nouvelles technologies s’appliquent aussi aisément au domaine de la maintenance des infrastructures routières, ces dernières nécessitant un entretien constant. Autostrade per l'Italia (le principal concessionnaire d’autoroute italien) utilise par exemple des technologies d'analyse en temps réel pour examiner les performances de son infrastructure.

L’intelligence artificielle fait des prouesses lorsque les informations à traiter dépassent les connaissances ou les capacités d'une seule personne ou équipe. Dans ce cas précis, sa puissance d’analyse en temps réel est capable de détecter les anomalies structurelles des routes et infrastructures routières (rouille, corrosion, usure et contraintes inhabituelles sur matériaux, etc.) à partir d’images capturées depuis un véhicule sur tout un tronçon d’autoroute, alors que la vision humaine en est incapable. L’IA traite ces informations en temps réel, permettant de dresser une vue d’ensemble de l'installation et des zones nécessitant des travaux, en classant celles-ci par ordre d’urgence – et cela sauve des vies.

Lorsque ces sources de données sont associées à des informations provenant de capteurs IoT placés sur le réseau routier, il est alors possible de détecter des fuites, des fissures et d'autres problèmes ; et de développer un système d'alerte par anticipation grâce à une IA entraînée à rechercher des signes précoces d'usure.



Ces différents usages possibles du numérique sur les routes illustrent comment la collecte et l’analyse de données en temps réel, enrichies par l’intelligence artificielle, facilitent la prise de décisions plus avisées, immédiates et judicieuses permettant de sauver des vies. Cette puissance inédite de traitement de l’information offerte par l’IA, nourrie d’un volume adéquat de données provenant de multiples capteurs, ouvre par ailleurs la voie à l’autonomisation des véhicules dans un futur de plus en plus proche.