Passer au contenu principal

6 Nov, 2024

L’IA et le radar tentent de débloquer un embouteillage vieux de 500 ans

L’IA et le radar tentent de débloquer un embouteillage vieux de 500 ans

La technologie moderne pourrait gérer le trafic à la Porta Nuova de Vérone

Porta Nuova à Vérone, en Italie, est le résultat d’une planification urbaine moderne de l’époque, en 1532. La porte d’entrée de la ville et ses fortifications élaborées ont été conçues par Michele Sanmicheli , l’architecte militaire de la Renaissance qui a construit des forteresses en Crète, à Chypre et à Venise. Ces murs épais sont toujours debout, mais Porta Nuova est désormais également connue pour bloquer obstinément des armées de voitures, de scooters, de bus, de vélos et d’autres véhicules. Basta !

Un système d’intelligence artificielle composé de capteurs radar et de caméras pourrait désormais aider Vérone à débloquer le trafic de Porto Nuova, en collectant des données pour améliorer la sécurité routière et réduire les émissions de carbone. Cette technologie provient de Bitsensing , une société sud-coréenne fondée en 2018 par des experts en radars automobiles, dans le cadre d’un projet conjoint avec la ville de Vérone et l’entreprise italienne Famas Systems.

Bitsensing a installé dix de ses capteurs de surveillance du trafic (TIMOS: Traffic Insight Monitoring Sensors ) surveillant les cinq voies d’entrée et les six voies de sortie de Porto Nuevo. TIMOS est doté d’une IA intégrée à l’appareil, ou en périphérie, pour collecter et transmettre des données en temps réel à un centre d’opérations pris en charge par des serveurs locaux. L’IA est soutenue par l’ imagerie radar 4D de l’entreprise avec cascade multi-puces, le même type de technologie qui sous-tend de nombreux véhicules autonomes .

Jae-Eun Lee, fondateur et directeur général de Bitsensing, a déclaré que l’unité TIMOS combine un radar de trafic IA de 24 gigahertz avec une détection de caméra, alimentée par NVIDIA Jetson avec un GPU intégré.

« Cela signifie l’élimination des PC et des câbles externes encombrants, TIMOS étant à la place un système unique qui déplace rapidement la collecte de données vers l’analyse », a déclaré Jae-Eun Lee.

Utilisation de l’IA et du radar pour gérer le trafic

Bitsensing affirme que son radar combine des nuages ​​de points particulièrement haute résolution avec une longue portée de détection et une classification d’objets ultra-fiable. Les unités TIMOS, de la taille d’un décodeur de télévision par câble, peuvent détecter et classer simultanément jusqu’à 256 véhicules circulant à une vitesse allant jusqu’à 320 kilomètres par heure, ce qui n’est pas un problème sur l’artère principale encombrée de Vérone.

Les véhicules sont automatiquement classés en huit types, dont les voitures particulières, les motos, les bus et les camions légers. Les données sont collectées 20 fois par seconde, avec une portée de détection maximale de 300 mètres, une largeur de vue de 200 degrés et une élévation de vue de 30 degrés. Cela suffit pour surveiller huit voies d’autoroute avec circulation dans deux sens et repérer chaque Fiat Panda, scooter Vespa ou bus urbain.

Les données sont partagées via un routeur central sécurisé et affichées dans une console utilisateur via le logiciel « TraXight » de Bitsensing. Son tableau de bord affiche des graphiques horaires, quotidiens et hebdomadaires sur les volumes de trafic et de piétons, les flux, les statistiques globales et la détection d’événements. Le résultat, a déclaré Lee, est une information exploitable envoyée aux opérateurs de la ville de Vérone, qui compte 700 000 habitants, qui ne nécessite pas de connaissances techniques approfondies.

« Grâce à cette analyse, les planificateurs peuvent mettre en place des mesures d’atténuation fondées non pas sur des suppositions mais sur des données, telles que l’élargissement des routes, la modification de l’horaire des feux de circulation et le réaménagement de la composition des routes, afin de résoudre les embouteillages », précise Jae-Eun Lee.

Le système peut surveiller le trafic sur chaque voie. Les autres données collectées comprennent les mouvements de virage des véhicules, les véhicules arrêtés et la longueur des files d’attente. Le système est entraîné à repérer les mauvais mouvements tels que les excès de vitesse (naturellement), les changements de voie illégaux, la traversée en dehors des passages piétons ou la conduite à contresens.

Contrairement à certains capteurs de trafic, ont déclaré les dirigeants, TIMOS offre une précision constante quelles que soient les conditions météorologiques ou d’éclairage. Le ministère des Transports de Corée du Sud cite un taux de précision de 98 % pour les données. L’objectif est d’améliorer la fluidité du trafic avec moins d’émissions de gaz d’échappement dues aux embouteillages, de réduire le stress des conducteurs et de fournir une richesse de données volumineuses aux urbanistes et aux planificateurs des routes.

Les capteurs TIMOS de Bitsensing peuvent fournir une vue d’ensemble sur une intersection chaotique (à gauche) pour mieux aider à gérer la congestion.

Bitsensing a déjà installé 120 capteurs sur un tronçon de 81 km de l’autoroute Nonsan-Cheonan en Corée du Sud, ainsi que sur d’autres autoroutes, tunnels et routes. L’entreprise est en pourparlers avec les responsables de Vérone pour étendre le projet à davantage de routes et d’intersections. Le projet est soutenu par le ministère coréen du Territoire, des Infrastructures et des Transports. Son projet K-City Network est l’un des six programmes pilotes internationaux, dont Vérone, avec d’autres participants comme l’Indonésie, les États-Unis et le Vietnam.

Outre les défis techniques, notamment l’amélioration de la fiabilité des interfaces de transmission de données, Lee a déclaré que les obstacles logistiques incluent l’infrastructure de la ville et l’évolutivité.

« De nombreuses villes disposent de systèmes existants qui ne sont pas immédiatement compatibles avec les nouvelles technologies. Il est donc essentiel de garantir une communication transparente entre les capteurs radar et les réseaux existants », a-t-il déclaré.

Selon Jae-Eun Lee, le déploiement à grande échelle peut également être entravé par les coûts initiaux élevés liés à l’installation de capteurs dans de vastes zones urbaines, tant pour l’installation physique que pour les systèmes de support en arrière-plan. Et comme les villes évoluent constamment avec de nouvelles constructions et des changements de trafic, les systèmes doivent s’adapter pour rester précis et fiables.

https://spectrum.ieee.org/ai-intelligent-transportation