Un système d'IA prédit la vitesse des ambulances dans la circulation urbaine.
infohightech ·
Un nouveau cadre d'intelligence artificielle permet de prédire la vitesse de déplacement d'une ambulance dans la circulation urbaine, offrant ainsi aux services d'incendie un moyen de tester leurs stratégies d'intervention d'urgence dans un environnement virtuel avant de les mettre en œuvre sur le terrain.
Des chercheurs de NYU (New-York University) Tandon ont développé et validé ce cadre dans le cadre d'un projet pluriannuel mené en collaboration avec le service des pompiers de la ville de New York (FDNY: Fire Department of the City of New York) et le centre de transport C2SMART (Connected Cities with Smart Transportationde) de Tandon. Leurs résultats sont publiés dans la revue Data Science for Transportation .
Ce travail aborde un problème croissant. Entre 2015 et 2023, le temps de réponse moyen du FDNY aux urgences médicales est passé d'environ 10,4 minutes à près de 13,7 minutes, soit une augmentation de près de 32 %, ce qui souligne la pression croissante exercée sur les services d'urgence de la ville.
« Chaque seconde compte lorsqu'une personne appelle le 911 (nous sommes aux Etats-Unis) pour une urgence médicale, et trouver de nouvelles façons de réagir le plus rapidement possible peut sauver des vies », a déclaré la commissaire aux incendies Lillian Bonsignore.
« Ce partenariat avec NYU Tandon et C2SMART illustre comment l'innovation et la collaboration peuvent nous aider à mieux comprendre les défis auxquels nos ambulances sont confrontées dans les rues de notre ville. En testant des stratégies grâce à l'IA avant de les mettre en œuvre sur le terrain, nous pouvons prendre des décisions plus éclairées qui renforcent notre intervention d'urgence tout en veillant à ce que nos ressources soient déployées là où elles sont le plus nécessaires. »
« Nous sommes fiers de travailler aux côtés de chercheurs qui partagent notre engagement à améliorer la sécurité publique et à offrir un service de la plus haute qualité aux New-Yorkais. »
« Les organismes d'intervention d'urgence opèrent dans des environnements où même de petites améliorations du temps de trajet peuvent faire une différence significative », a déclaré Kaan Ozbay, directeur fondateur de C2SMART et auteur principal de l'article.
« Notre collaboration avec le FDNY démontre comment l'ingénierie des transports et l'intelligence artificielle peuvent s'unir pour aider les agences à évaluer de nouvelles stratégies avant de les mettre en œuvre. »
Pourquoi les outils de gestion du trafic ordinaires sont insuffisants
Une partie du défi réside dans le fait que les ambulances ne se déplacent pas comme des véhicules ordinaires, a déclaré Fan Zuo, chercheur principal associé chez C2SMART, qui a dirigé les efforts de développement et d'étalonnage de la simulation.
« Les temps de trajet des ambulances avec sirènes activées ne sont pas identiques à ceux des véhicules de tourisme respectant le code de la route », écrivent les chercheurs. Les ambulances peuvent légalement franchir les feux rouges et manœuvrer autour des véhicules à l'arrêt, mais elles dépendent aussi de la vigilance des automobilistes qui les remarquent et se déportent. Par conséquent, les outils de navigation comme Google Maps, conçus pour une circulation normale, ne peuvent pas prédire avec précision la vitesse des ambulances.
Pour combler cette lacune, l'équipe a créé un jumeau numérique de trafic haute-fidélité couvrant West Harlem et Morningside Heights, la zone de répartition M6 du FDNY. Ce jumeau numérique combine une simulation de trafic détaillée avec des données réelles de trafic et des données GPS issues de près de 1 000 interventions d'ambulances du FDNY en 2023.
À partir des informations générées par cette simulation, les chercheurs, dirigés par Joseph Chow de C2SMART, ont entraîné un modèle d'IA appelé EMVAID pour prédire la vitesse des ambulances sur des segments de route individuels.
L'aménagement des rues influence la vitesse des ambulances
Le modèle a identifié la vitesse de circulation générale comme le facteur prédictif le plus important de la vitesse des ambulances, suivie par la congestion routière. Les rues à deux voies permettaient généralement aux ambulances de se déplacer plus rapidement que les rues à une seule voie, tandis que les voies supplémentaires n'apportaient que peu d'avantages.
Les rues dotées de pistes cyclables non protégées étaient également associées à des vitesses légèrement plus élevées pour les ambulances, probablement parce qu'elles offrent plus d'espace aux véhicules d'urgence pour manœuvrer autour des véhicules à l'arrêt.
Pour démontrer comment ce cadre pourrait faciliter la planification, les chercheurs du projet C2SMART ont testé si la modification de l'emplacement des bases d'ambulances (appelées points de stationnement aux intersections) pouvait réduire les temps de trajet. Dans leur zone d'étude simulée, un ensemble optimisé d'emplacements a permis de réduire le temps de trajet prévu de 14,5 % tout en augmentant la part des appels traités par les ambulances de quartier de 41 % à 55 %.
Les résultats sont restés stables même après que les chercheurs ont intentionnellement introduit des erreurs de prédiction dans le modèle d'IA pour tester sa robustesse.
Les avantages en matière de planification comportent des réserves.
Au lieu de s'appuyer uniquement sur des modèles d'IA « boîte noire » très performants, l'équipe a opté pour une Explainable Boosting Machine (EBM) qui permet aux planificateurs de comprendre le raisonnement derrière chaque prédiction. Bien que sa précision soit comparable à celle de modèles comme les forêts aléatoires et XGBoost, sa transparence la rend plus utile pour les applications de planification.
Les chercheurs soulignent que l'analyse de l'emplacement des stations vise à démontrer les capacités du cadre proposé, et non à constituer une recommandation. Étant donné que les ambulances sont souvent déjà en intervention ou de retour de l'hôpital, l'amélioration projetée représente probablement une estimation optimiste fondée sur des hypothèses simplifiées.
L'équipe C2SMART envisage à terme d'utiliser le modèle d'IA pour étendre le cadre au-delà d'un seul quartier, permettant ainsi aux planificateurs d'urgence d'estimer les vitesses de déplacement des ambulances dans toute la ville sans avoir à effectuer des simulations de trafic détaillées partout.