Dans un monde où la sécurité routière est une préoccupation croissante, des ingénieurs innovent en utilisant l’intelligence artificielle pour anticiper et réduire le nombre d’accidents de voiture. Grâce à des outils avancés comme le SafeTraffic Copilot, développé par des chercheurs de l’université Johns Hopkins, il devient possible d’analyser des données complexes et variées, telles que les conditions routières, le comportement des conducteurs et d’autres facteurs influents. Ce modèle d’IA, qui s’appuie sur des descriptions de milliers d’accidents, permet non seulement de prédire les incidents potentiels, mais aussi de fournir des indications précieuses aux concepteurs d’infrastructures et aux décideurs politiques. En intégrant des éléments tels que les taux d’alcool et les comportements de conduite agressifs, les ingénieurs espèrent significativement diminuer le nombre de victimes sur les routes.
Récemment, des chercheurs de l’université Johns Hopkins ont mis au point un nouvel outil d’intelligence artificielle, nommé SafeTraffic Copilot, capable d’anticiper les accidents de voiture en modifiant des paramètres tels que le temps de fonctionnement des feux de circulation. Cette avancée pourrait servir de base pour une meilleure gestion de la sécurité routière et contribuer à la réduction des tragédies sur les routes.
Une approche innovante avec SafeTraffic Copilot
Le nouvel outil, SafeTraffic Copilot, permet de moduler les timings des feux de circulation afin de prédire l’impact sur la sécurité routière. Par exemple, un changement de 20 à 30 secondes dans le fonctionnement d’un feu peut influencer le nombre d’accidents enregistrés à une intersection. Selon Hao « Frank » Yang, l’auteur principal de cette étude et professeur en ingénierie civile et systèmes, cet outil cherche à simplifier les nombreux facteurs qui peuvent influencer les accidents, tels que la météo, les habitudes de conduite ou la conception des routes.
Un modèle alimenté par des données diverses
Le SafeTraffic Copilot est formé grâce à une analyse des données relatives à plus de 66,000 accidents, intégrant des éléments variés tels que les conditions routières, les niveaux d’alcoolémie, ainsi que des images satellites et des photographies prises sur le terrain. Cette approche permet au modèle d’évaluer à la fois les facteurs de risque individuels et les interactions entre ceux-ci, fournissant une compréhension approfondie des éléments influençant la safety routière.
Fidélité des prédictions et scores de confiance
Une caractéristique essentielle de cet outil est sa capacité à fournir des scores de confiance pour ses prédictions. Cela joue un rôle crucial, car l’intelligence artificielle reste un domaine complexe et souvent jugé comme une boîte noire où il est difficile de comprendre le processus décisionnel. Les scores de confiance aident à quantifier le degré de certitude d’une prévision, un élément souvent déterminant pour les décideurs, surtout dans des contextes à haut risque comme la sécurité routière.
Statistiques alarmantes des accidents en Maryland
Les récentes statistiques sur les accidents de voiture révèlent une inquiétante montée des décès sur les routes du Maryland. En 2023, 621 personnes ont perdu la vie à la suite d’accidents, marquant une augmentation significative depuis les 466 décès relevés en 2013. L’analyse de Yang montre que la conduite sous influence de l’alcool et les comportements de conduite agressifs sont les plus grands contributeurs, causant trois fois plus d’accidents que d’autres facteurs.
Différences avec les méthodes d’apprentissage machine
Actuellement, le Maryland et de nombreux autres États dépendent de techniques d’apprentissage machine, qui offrent une analyse basée sur des données passées pour évaluer la sécurité des routes et intersections. Contrairement à ces méthodes, qui peinent à faire des prévisions lorsque les nouvelles données ne correspondent pas aux échantillons d’entraînement, l’approche du SafeTraffic Copilot, utilisant la Génération d’IA, propose des capacités de simulation what-if efficaces. Par exemple, les décideurs peuvent facilement emprunter différents scénarios de feux pour voir les variations possibles en terme de sécurité.
Un outil adaptable à divers contextes
En exploitant des modèles de langage avancés, SafeTraffic Copilot est également conçu pour être adaptable à des conditions trafiques variées selon les pays et cultures. Yang prévoit d’étendre cette recherche à d’autres territoires, en prenant en compte les spécificités des comportements de conduite dans des régions comme l’Asie du Sud-Est, où les accidents de moto sont prédominants. Ce changement de paradigme permettrait de mieux intégrer les comportements des conducteurs et les différences culturelles dans l’analyse des risques routiers.
Des approches innovantes comme celles-ci démontrent que l’intelligence artificielle offre d’énormes possibilités d’amélioration dans le domaine de la sécurité routière, encourageant ainsi des efforts pour protéger nos communautés présentes et futures tout en cherchant à réduire le nombre croissant de tragédies sur nos routes.
EN BREF
|
