Trafic Lab: Prédire un monde sans accidents de voiture

Les données participatives et lapprentissage automatique aident les villes à résoudre un angle mort majeur: prévoir et prévenir les accidents de la circulation.

(9 novembre 2020)

La prévision et la prévention des accidents de la route pourraient ouvrir la voie à des routes plus sûres et plus efficaces
Travailler vers un monde sans accidents – ni trafic.

Aux États-Unis, les accidents de voiture se chiffrent en millions chaque année, de sorte que même la moindre réduction peut aider à sauver des milliers de vies. Cest pourquoi de nombreuses villes ont adopté Vision Zero , une initiative visant à atteindre lobjectif de zéro décès et blessure grave sur les routes.

« Il autrefois considérée comme une notion radicale », déclare Dan Flynn, data scientist au Volpe Center , un centre de recherche au sein du Département des transports des États-Unis (USDOT) se concentrant sur les innovations en matière de transport, de la logistique à la planification à long terme. «Aujourdhui, de nombreuses villes ont adhéré à cela.»

Les enjeux sont douloureusement clairs. Le but est fixé. La seule question est: comment arrêtez-vous les plantages?

Un cours intensif sur la prévention des accidents

Pour éviter les plantages, les officiels disposent de quatre outils principaux dans leur boîte à outils. Le premier est lintervention comportementale – comme empêcher la conduite en état débriété ou imprudente. Le deuxième est la technologie des véhicules, ce qui pourrait signifier équiper plus de voitures dinnovations comme le freinage automatique.

Les deux derniers sont lamélioration des routes et la mise en place de lapplication de la loi pour surveiller les zones à haut risque. Et pour traiter ces questions, les responsables doivent savoir où et quand les accidents risquent de se produire. En dautres termes, vous avez besoin de la puissance de la prédiction.

Crash prediction = crash prevention

Le mot «prédiction» peut évoquer des images allant des boules de cristal au film de 2002 «Minority Report». En réalité, ce ne sont pas les pouvoirs psychiques qui permettent ce travail, mais des ensembles de données volumineux, précis et divers, ainsi que lapprentissage automatique et la puissance de calcul à grande échelle pour les analyser.

Le Volpe Center a travaillé avec dautres USDOT chercheurs depuis des années sur des modèles de sécurité routière, mais en 2017, ils ont ajouté un nouvel ingrédient au mélange: des données anonymisées et crowdsourcing de Waze. La collaboration est le fruit de notre programme Waze for Cities , un partenariat gratuit de partage de données bidirectionnel, soutenu par lUSDOT et son Initiative sur les données de sécurité .

Les données Waze for Cities incluent les collisions, les dangers, les embouteillages et les fermetures de routes signalés chaque jour par la communauté Waze. Il est actualisé dans le USDOT Secure Data Commons toutes les deux minutes. Cest évidemment un peu plus rapide que de saisir des données déclarées par la police qui, au mieux, sont mises à jour toutes les 24 heures.

La combinaison des entrées Waze avec les données dont lUSDOT dispose déjà, comme les accidents historiques et les conditions météorologiques, contribue à faire un accident prédiction beaucoup plus précise.

Programmes pilotes du monde réel

Construction un modèle nest que la première étape. La seconde est de trouver des agences publiques qui peuvent en bénéficier, ce qui est un peu une situation de Boucle dor: certains ont déjà leur propre analyse avancée des données, et dautres nont pas linfrastructure technique en place pour le prendre en charge.

Ainsi, lorsque lUSDOT sest associé à la Tennessee Highway Patrol, cétait parfait. Comme lexplique Flynn, «Nous pouvons faire des analyses prédictives assez intéressantes sur ces milliards denregistrements de données Waze, mais transformer cela en quelque chose qui peut être mis en œuvre est un défi permanent, et avec le Tennessee, ils sont prêts. Ils effectuent déjà leurs propres analyses prédictives. » En fait, ils utilisent analyses prédictives depuis 2014 .

Dans le Tennessee, le modèle aide à déterminer où et quand les soldats dÉtat devraient être stationné. Lajout de données Waze au modèle de plantage prédictif a conduit à de nouvelles informations prometteuses.

Les données Waze contribuent à raccourcir la portée des prévisions daccidents
Ce nest pas tout à fait une boule de cristal, mais nous nous rapprochons de lavenir.

Avant, le Tennessee Highway Patrol a pu prédire les accidents dans un rayon de 42 milles carrés et en quatre heures. Maintenant, il est à 1 mile carré et une heure . C’est essentiellement la différence entre chercher vos clés dans toute votre maison et chercher uniquement votre table de cuisine.Cela signifie que les soldats auront une image beaucoup plus précise de la répartition de leur temps pour avoir le plus grand impact sur la sécurité.

Et le Tennessee nest pas le seul endroit à piloter cette initiative. À Bellevue, Washington , léquipe de Volpe a développé des modèles pour aider les responsables de la ville à planifier des réparations routières à lappui de leur programme Vision Zero.

Auparavant, les seules données sur les accidents disponibles pour la ville étaient des accidents signalés par la police, qui sont souvent des accidents plus graves, mais avec les données Waze, ils obtiennent toutes les données sur les accidents, y compris les plis dailes mineurs qui ne sont pas souvent signalés à la police . Comme lexplique Flynn, il sagit dune combinaison puissante: « Nous voyons un lien qui indique que lorsque vous avez un grand nombre de rapports de plantage Waze, cela peut indiquer quun accident à signaler par la police arrive plus tard. »

The Volpe Le tableau de bord du Centre aide les responsables de Bellevue à identifier les routes et les couloirs les plus dangereux pour les conducteurs. De cette façon, ils peuvent prioriser les améliorations routières qui contribueront à sauver des vies.

Travailler à des routes plus sûres pour tous

Bien quil sagisse encore dun programme pilote, lUSDOT espère déployer Waze for Cities plus largement à lavenir. Et entre-temps, lUSDOT expérimente des moyens daméliorer les modèles en ajoutant encore plus de sources de données. Parce que ce ne sont pas seulement les voitures qui circulent sur nos routes, ce sont aussi les cyclistes, les scooters et les piétons. Avec plus de données, ils peuvent mieux comprendre comment assurer la sécurité de tous les voyageurs.

La prédiction des accidents nest plus du domaine de la science-fiction, et des initiatives comme celle-ci nous aident à nous rapprocher dun monde où les accidents graves appartiennent au passé.

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *