Integrating Telematics and Video-Based Recognition for Vehicle Behavior Analysis in Athens
Cet article présente un cadre de fusion au sein du projet PHOEBE qui intègre la télématique de smartphones à long terme avec l'analyse vidéo basée sur YOLOv8 à court terme dans trois intersections d'Athènes, révélant que bien que les deux sources de données capturent des modèles de vitesse directionnelle cohérents, les mesures dérivées de la vidéo exposent une décélération localisée et des risques de micro-conflits élevés que les vitesses moyennes ne parviennent pas à prédire, démontrant ainsi la valeur de la combinaison de données à large couverture et à granularité fine pour une gestion proactive de la sécurité routale urbaine.
Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Dans le cœur bouillonnant de villes comme Athènes, le flux de circulation est un fleuve constant et complexe de métal et de mouvement. Depuis des décennies, les experts en sécurité tentent de comprendre comment ce fleuve se comporte, espérant prévenir les moments rares mais tragiques où il devient violent. Traditionnellement, cette compréhension provenait de l'examen rétrospectif des rapports d'accidents, une méthode qui ne révèle le danger qu'après qu'il a déjà causé des dommages. Ces dernières années, deux nouvelles façons d'observer la route sont apparues, offrant la possibilité de voir le danger avant qu'il ne frappe. Une méthode utilise les smartphones transportés par les conducteurs pour suivre leur vitesse et leurs habitudes de freinage sur de vastes distances et de longues périodes, brossant un tableau large de la manière dont les gens conduisent à travers toute une ville. L'autre méthode utilise des caméras pour observer des points spécifiques en temps réel, capturant les mouvements précis de chaque voiture, piéton et scooter dans une seule image. Bien que chaque méthode possède ses forces, elles ont rarement été utilisées ensemble, laissant un fossé dans notre connaissance de la manière dont ces différentes vues du trafic se rapportent réellement les unes aux autres.
Une équipe de chercheurs s'est donné pour mission de combler ce fossé dans les rues denses et contrôlées par des signaux de la capitale grecque. Ils voulaient voir si les données larges et à long terme des smartphones pouvaient être combinées avec la focalisation nette et à court terme des caméras vidéo pour créer une image plus claire de la sécurité routière. L'équipe s'est concentrée sur trois intersections très fréquentées : Vasilissis Amalias, Vasilissis Sofias et la rue Panepistimiou. Ces emplacements ont été choisis car ils sont encombrés, mixtes (voitures, piétons et scooters) et contrôlés par des feux de signalisation, ce qui en fait des lieux parfaits pour observer comment les conducteurs réagissent aux signaux et entre eux. Pour ce faire, ils ont recueilli deux ensembles distincts d'informations. Premièrement, ils ont examiné des données anonymisées collectées auprès de milliers d'utilisateurs de smartphones entre 2019 et 2023, qui leur indiquaient les vitesses moyennes et les habitudes de conduite sur ces routes sur plusieurs années. Deuxièmement, en juin 2024, ils ont installé des caméras aux mêmes trois endroits pour enregistrer des séquences vidéo. Ils ont ensuite utilisé un système d'intelligence artificielle personnalisé pour regarder ces vidéos image par image, suivant la trajecte exacte de chaque véhicule et calculant à quel point ils sont passés près de entrer en collision les uns avec les autres ou avec des piétons.
Lorsque les chercheurs ont comparé les deux sources d'information, ils ont constaté une différence surprenante dans les chiffres. La vitesse moyenne enregistrée par les caméras vidéo était systématiquement inférieure à la vitesse moyenne enregistrée par les smartphones. À un emplacement, la vidéo montrait des voitures se déplaçant environ 15 kilomètres par heure moins vite que ce que suggéraient les données du smartphone. L'équipe a réalisé que cela n'était pas dû à un changement de comportement des conducteurs, mais parce que les deux outils observaient des parties différentes du trajet. Les smartphones enregistraient le trajet entier, y compris les segments rapides et ouverts entre les intersections. Les caméras, cependant, étaient fixées sur l'intersection elle-même, l'endroit précis où les voitures sont censées ralentir et s'arrêter pour un feu rouge. C'est comme comparer la vitesse moyenne d'un coureur qui fait un jogging sur toute la piste par rapport à une photo prise uniquement à la ligne d'arrivée, là où il ralentit pour s'arrêter ; la photo capture la décélération, tandis que la montre du coureur capture l'effort total. Cette différence de perspective expliquait l'écart dans les chiffres, montrant que les deux sources de données racontaient en réalité une histoire cohérente, simplement sous des angles différents.
La véritable valeur de la combinaison de ces méthodes est apparue lorsque l'équipe a étudié les quasi-collisions. Ils ont défini une quasi-collision comme un moment où deux usagers de la route se sont approchés si près que la collision aurait eu lieu si l'un d'eux n'avait pas réagi instantanément. En analysant les séquences vidéo, ils ont découvert que ces moments dangereux n'étaient pas répartis uniformément dans le temps. Au contraire, ils se produisaient par poussées soudaines et intenses. À l'intersection de Vasilissis Amalias, le risque de quasi-collision augmentait de façon spectaculaire pendant quelques secondes chaque fois que les feux de signalisation changeaient, atteignant un point où il y avait jusqu'à 50 événements critiques pour 1 000 véhicules observés. En revanche, l'intersection de la rue Panepistimiou restait remarquablement calme, avec presque aucune quasi-collision enregistrée. Cette découverte a révélé que le danger en ville est souvent éphémère et lié à des moments spécifiques, tels que les secondes où un feu passe au jaune ou lorsque des piétons s'engagent tardivement dans le cycle.
La découverte la plus importante fut peut-être que la vitesse moyenne du trafic ne prédisait pas où ces quasi-collisions se produiraient. Les chercheurs n'ont trouvé aucun lien fort entre la vitesse générale des voitures et la fréquence de leurs approches dangereuses. Une intersection très fréquentée avec un trafic lent peut tout de même être le théâtre d'interactions soudaines et risquées, tandis qu'une route plus rapide peut rester sûre. Cela suggère que la véritable cause du danger n'est pas la vitesse en soi, mais l'imprévisibilité du trafic : la rapidité avec laquelle les conducteurs freinent, la proximité avec laquelle ils suivent la voiture de devant, et le nombre de types différents d'usagers de la route qui tentent de croiser leurs chemins en même temps. L'étude a montré que si les données de smartphone étaient excellentes pour classer les zones généralement plus rapides ou plus lentes, seule la donnée vidéo pouvait révéler le chaos de l'instant présent qui mène aux accidents.
En tissant ensemble la vue grand angle de la télématique et le détail rapproché de l'analyse vidéo, les chercheurs ont créé un nouvel outil pour les urbanistes. Cette approche combinée leur permet de voir non seulement où le trafic est dense, mais aussi exactement quand et où il devient dangereux. Elle suggère que les améliorations de la sécurité ne doivent pas être appliquées à toute la journée ou à toute la route. Au lieu de cela, les interventions pourraient être ciblées sur les quelques secondes spécifiques où le risque est le plus élevé, comme l'ajustement de la synchronisation des feux de signalisation ou l'augmentation de la surveillance durant les moments où les quasi-collisions sont les plus probables. Ce travail démontre que pour rendre les villes plus sûres, nous devons observer la route à travers de multiples lentilles, en comprenant que l'histoire de la sécurité routière s'écrit à la fois dans le long voyage et dans la décision de l'instant.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.