Recherche à l'EPFL: des drones et de l'IA pour anticiper les embouteillages
Des chercheurs du Laboratoire des systèmes de transports urbains (LUTS) de l’EPFL utilisent des flottes de drones et des algorithmes d’intelligence artificielle pour analyser et anticiper le trafic urbain. Leur objectif: mieux comprendre la circulation en temps réel et prédire les congestions avant qu’elles ne se forment.
Des chercheurs du Laboratoire des systèmes de transports urbains (LUTS) de l’École polytechnique fédérale de Lausanne (EPFL) développent des systèmes combinant drones et intelligence artificielle pour observer et anticiper le trafic urbain. L’objectif est d’obtenir une vision plus complète du réseau routier afin de mieux prévenir les embouteillages et d’optimiser la circulation.
Caméras, boucles d’induction et autres capteurs au sol restent les outils classiques de la gestion du trafic. Mais ces dispositifs couvrent des zones limitées, sur des périodes restreintes, et se concentrent principalement sur les voitures. Les drones permettent au contraire d’observer l’ensemble des usagers, qu’il s’agisse des voitures, bus, camions, vélos, motos ou piétons, dans une même analyse. «Avec les drones, on peut lever beaucoup des obstacles de ces senseurs. Ils offrent un panorama beaucoup plus large, complet et détaillé de l’état général d’un réseau routier», explique Manos Barmpounakis, postdoctorant au LUTS.
Les drones servent aussi à analyser les comportements de conduite, comme les changements de voie ou les interactions entre usagers, ainsi qu’à mesurer la qualité de l’air et les émissions sonores. Le chercheur Jasso Espadaler Clapés travaille notamment sur des cartes du bruit urbain permettant d’identifier les zones les plus critiques.
Une première expérimentation a été menée en 2018 à Athènes, où l’équipe a déployé un escadron de drones pour collecter des données de circulation. Les chercheurs y ont développé des algorithmes capables d’identifier les différents types de véhicules et de suivre leurs trajectoires, sans capter ni plaques d’immatriculation ni visages.
Ces données permettent aujourd’hui de travailler sur la prédiction du trafic en temps réel. Le doctorant Weijiang Xiong cherche ainsi à anticiper les congestions suffisamment tôt pour ajuster, par exemple, la régulation des feux de circulation une demi-heure avant l’apparition d’un bouchon. «On ne pourra pas prédire un accident, mais s’il advient, on pourra prédire comment le réseau réagit», souligne-t-il.
De la recherche au terrain
Issue de ces travaux, la start-up MobiLysis applique ces méthodes à des cas concrets et a déjà collaboré avec la Ville de Pully et le Canton de Genève. La spin-off participe également au projet européen Acumen, dans lequel elle a collecté à Helsinki des paramètres de trafic destinés à alimenter le jumeau numérique de la capitale finlandaise.
D’autres projets pilotes ont également été menés à Athènes, Nairobi et Manchester, avec l’objectif de fournir aux collectivités des outils de pilotage plus fins pour la mobilité urbaine.
L’actualité IT en Suisse et à l’international, avec un focus sur la Suisse romande, directement dans votre boîte mail > Inscrivez-vous à la newsletter d’ICTjournal, envoyée du lundi au vendredi!
