Les chercheurs ont proposé une nouvelle méthode de comptage et de suivi des véhicules sur les routes publiques, un développement qui pourrait améliorer les systèmes de circulation actuels et aider les voyageurs à se rendre plus rapidement à destination.

À l'aide des caméras déjà installées sur les bus du campus de l'Ohio State University, les chercheurs ont démontré qu'ils pouvaient mesurer automatiquement et avec précision le nombre de véhicules sur les routes urbaines, détecter des objets sur la route et distinguer les véhicules en stationnement de ceux en mouvement.

Dans des études précédentes, des chercheurs de l'État de l'Ohio ont découvert que l'utilisation de ces caméras mobiles offrait une bien meilleure couverture spatiale et temporelle que de s'appuyer sur des capteurs dispersés et souvent placés temporairement qui ne fournissent pas une vue sur de nombreuses rues et routes d'une ville.

"Si nous collectons et traitons des informations spatiales à haute résolution plus complètes sur ce qui se passe sur les routes, les planificateurs pourraient mieux comprendre les changements de la demande, améliorant ainsi efficacement l'efficacité du système de transport au sens large", a déclaré Keith Redmill, auteur principal de l'étude et un professeur agrégé de recherche en génie électrique et informatique à l'Ohio State.

Alors que les chercheurs utilisaient auparavant des observateurs humains pour identifier manuellement les véhicules dans les vidéos, cette étude, publiée dans la revue Capteursautomatise le processus à l'aide de l'IA.

Selon les co-auteurs de l'étude, Mark McCord et Rabi Mishalani, tous deux professeurs d'ingénierie civile, environnementale et géodésique à l'Ohio State, leur équipe a choisi d'utiliser les caméras de circulation sur le Campus Area Bus Service en partie parce que le grand campus interconnecté de l'Ohio State ressemble à une petite ville et leur relation avec les opérateurs CABS leur a donné un accès facile aux vidéos collectées.

"Le partage de l'accès à nos caméras de bus pour la surveillance du trafic est un excellent exemple de la façon dont les opérations universitaires peuvent soutenir la recherche et l'apprentissage", a déclaré Tom Holman, directeur des transports et de la gestion du trafic de l'Ohio State. "Nous sommes heureux de partager les ressources existantes qui peuvent générer des données utiles à des fins de planification du trafic à long terme sur le campus et au-delà."

Mais ce qui distingue cette étude des études similaires liées au trafic, c'est qu'elle utilise les ressources disponibles sans frais supplémentaires : des caméras de bus qui ont déjà été installées à d'autres fins de sûreté et de sécurité. Cela lui permet d'être facilement intégré dans la façon dont d'autres villes gèrent leur surveillance du trafic, a déclaré Mishalani.

"Si nous pouvons mesurer le trafic d'une manière aussi bonne ou meilleure que ce qui est fait traditionnellement avec des capteurs fixes, alors nous aurons créé quelque chose d'incroyablement utile à très peu de frais", a-t-il déclaré. "Notre objectif est de commencer à construire un système qui pourrait le faire sans trop d'intervention manuelle, car si vous souhaitez collecter ces informations sur de nombreux véhicules potentiels et pendant beaucoup de temps, cela vaut la peine d'automatiser entièrement ce processus."

Le système fonctionne en utilisant un modèle d'apprentissage en profondeur 2D de pointe appelé YOLOv4 pour détecter et suivre automatiquement les objets. Le programme est également particulièrement apte à reconnaître plusieurs objets dans un seul cadre d'image, a déclaré Redmill.

Bien qu'il soit encore loin d'une mise en œuvre totale, l'étude suggère que les résultats du système sont prometteurs pour l'avenir de la surveillance intelligente du trafic. Par exemple, en plus de compter les véhicules, leur algorithme est également capable de projeter les coordonnées réelles du réseau routier à vol d'oiseau en tirant parti des flux d'images, des mesures GNSS et des informations régionales provenant de cartes 2D.

Il est si précis que le système a également été capable de détecter si le bus déviait de son itinéraire prévu, puis de le signaler à une base de données cartographique qui enregistre des informations détaillées sur les routes, a déclaré Redmill, qui est également membre de l'Ohio State's Control and Laboratoire de recherche sur les transports intelligents (CITR).

Avec le déploiement et l'intégration à grande échelle de leur approche proposée, la vaste collecte et l'automatisation complète du traitement de ces données au fil du temps permettraient une planification, une conception et une exploitation plus efficaces des routes pour atténuer le trafic lourd à travers le pays.

En ce qui concerne les avantages que le public pourrait voir, de telles avancées dans la surveillance du trafic pourraient signifier des temps de trajet réduits et de plus grands choix de voyage lorsqu'ils essaient de se rendre d'un point A à un point B.

"Les planificateurs, les ingénieurs et les exploitants des transports prennent des décisions vitales concernant l'avenir de nos routes. Par conséquent, lors de la conception de systèmes de transport qui fonctionneront au cours des 30 à 50 prochaines années, il est impératif que nous leur fournissions des données qui leur permettent d'améliorer l'efficacité du système et le niveau de service fourni aux voyageurs », a déclaré Mishalani.