Logo ETI Quitter la lecture facile
Un capteur de covoiturage qui compte plus précisément les personnes dans les voitures

En ce moment

Un capteur de covoiturage qui compte plus précisément les personnes

Posté le par Nicolas LOUIS dans Informatique et Numérique

Le Cerema a testé un nouveau capteur de covoiturage sur une rocade à l'Est de Lyon. Conçu par la société canadienne Invision AI, il se révèle plus performant que les autres outils précédemment évalués, avec notamment un faible taux de fausses détections. Un point important pour procéder à des contrôles automatiques.

Le développement de voies réservées au covoiturage conduit à la nécessité de connaître le nombre de covoitureurs présents dans les véhicules afin de crédibiliser ce type d’aménagement routier. Or, les outils de mesure actuellement développés pour compter ces occupants manquent de précision. Le taux de fausses détections, que l’on appelle communément les faux positifs et qui correspond aux cas où le système sous compte le nombre de personnes dans l’habitacle est en effet trop élevé et se chiffre entre 1 et 5 %. Ces appareils ne peuvent donc pas être utilisés pour procéder à du contrôle automatique, tout en veillant à limiter le nombre de recours des automobilistes, injustement verbalisés. Le Cerema a testé un nouveau système qui semble surmonter cette difficulté.

Il s’agit d’un capteur développé par l’entreprise Invision AI, basée au Canada, en partenariat avec la société Equans. Il fonctionne à l’aide d’une caméra et de deux flashs qui délivrent une lumière dans le spectre de l’infrarouge proche, chacun de ces équipements étant déclenché grâce à un Lidar. Le système a fait l’objet d’une première expérimentation sur la rocade Est de Lyon en novembre et décembre 2022, où le trafic est estimé à 100 000 véhicules par jour. La méthodologie mise en œuvre par le Cerema a consisté à comparer les résultats de ce nouveau système, avec l’analyse des images prises par ce même appareil et réalisée par deux opérateurs de cet établissement public, qui comptent les occupants présents dans l’habitacle.

Le capteur de covoiturage testé sur la rocade Est de Lyon
Le capteur de covoiturage testé sur la rocade Est de Lyon. Crédit : Cerema/Invision AI/Equans

« Le taux de visibilité, qui représente le nombre d’occupants que l’on peut compter avec certitude, a nettement augmenté avec ce nouveau capteur puisqu’il s’élève à 83 %, alors que les précédents outils que nous avons testés avaient des taux compris entre 70 et 75 %, révèle Alexis Bacelar, chef de projet au Cerema et en charge de cette expérimentation. Mais le résultat le plus important est celui des faux positifs qui se limitent ici à 0,4 %. Ce chiffre correspond aux véhicules classés comme autosolistes alors qu’ils étaient en réalité des covoitureurs. Normalement, pour homologuer un outil utilisé pour procéder à du contrôle, les faux positifs doivent tendre vers zéro, ou en tout cas être inférieurs à 1 %. Pour information, le taux de faux négatif, qui correspond aux véhicules classés covoitureurs, alors qu’ils sont en réalité autosolistes, s’élève quant à lui à 1,7 %. »

Des algorithmes d’IA spécifiques développés pour lire les images

Pour atteindre ce niveau de performance, Invision AI a procédé à plusieurs innovations. Alors que la plupart des autres systèmes fonctionnent avec deux caméras, la première pour compter les personnes sur les sièges avant, et la seconde, sur ceux situés à arrière, l’entreprise a fait le choix de ne conserver qu’une seule caméra pour simplifier son système. Ensuite, elle a testé plusieurs caméras et en a sélectionné une, puis a demandé au fabricant de procéder à des modifications des paramètres de son appareil. La société a procédé à la même méthodologie concernant les deux flashs lumineux utilisés. L’entreprise a breveté son système, mais ne souhaite pas dévoiler les noms des fabricants qu’elle a sélectionnés pour des raisons de secret industriel.

«En plus de l’aspect matériel, ce qui nous distingue, c’est que nous sommes experts en intelligence artificielle, explique Karim Ali, fondateur et CEO de Invision AI. Nous développons nos propres algorithmes, grâce à la présence de plusieurs docteurs de l’EPFL (École polytechnique fédérale de Lausanne). Nous avons réalisé beaucoup d’itération pour connaître notamment quelle est la puissance du flash à envoyer, le temps d’exposition, la géométrie du système, l’angle de la caméra… Le problème est complexe, car il y a un très grand nombre de variables à évaluer, et elles sont toutes entremêlées les unes avec les autres. Nous avons développé un outil de simulation numérique pour les tester, avant de procéder à des essais sur le terrain. Notre système fonctionne avec un réseau de neurones et peut réaliser de la fusion d’information. Par exemple, il est capable de sélectionner 5 à 10 images et évaluer que sur la sixième, il voit mieux les passagers sur le siège arrière d’une voiture. »

Ce nouveau système a fait l’objet d’une seconde période d’expérimentation au printemps. Cette fois-ci, le taux de faux positifs s’est un peu dégradé et tend vers 1 %. « Les résultats sont en cours d’analyse, mais il se pourrait que ce soit lié au soleil qui tape dans les vitres et qui rend difficile la lecture des images », confie Alexis Bacelar. « Avec les vitres teintées, le soleil est la principale contrainte qui complique le comptage du nombre de personnes dans les voitures. Grâce à l’expérimentation du Cerema, nous allons continuer à améliorer notre système », déclare Karim Ali.

Pour aller plus loin

Posté le par Nicolas LOUIS


Réagissez à cet article

Commentaire sans connexion

Pour déposer un commentaire en mode invité (sans créer de compte ou sans vous connecter), c’est ici.

Captcha

Connectez-vous

Vous avez déjà un compte ? Connectez-vous et retrouvez plus tard tous vos commentaires dans votre espace personnel.

INSCRIVEZ-VOUS
AUX NEWSLETTERS GRATUITES !