L’infrastructure intelligente et connectée permettra l’avènement du véhicule autonome

Les promesses du véhicule autonome

Les véhicules autonomes sont la promesse ultime d’une mobilité durable, fluide et sûre. Les dernières études de marché prévoient d’ailleurs que les ventes de voitures connectées et autonomes pourraient représenter un marché de 55 millions d’unités vendues d’ici 20 ans.

Dans cette quête enthousiasmante, les constructeurs historiques multiplient les initiatives et sont confrontés à la forte concurrence des géants de la Tech (Google, Apple, Baidu, Uber, etc.). Cette convergence entre le secteur automobile et la Tech se matérialise aussi par des alliances entre les grands acteurs (Cisco et Valeo, Intel et Toyota, etc) et des investissements colossaux : Volkswagen vient d’injecter 2,6 milliards de dollars dans Argo AI (start-up spécialisée dans le véhicule autonome), Uber a dépensé plus d’un milliards de dollars entre 2016 et 2018 dans le véhicule autonome, Audi a annoncé un plan d’investissement de 14 milliards d’euros sur 5 ans dans la voiture autonome et électrique, etc.

La course effrénée a permis des progrès technologiques majeurs, mais elle n’en est encore qu’à ses balbutiements tant les défis à relever restent nombreux avant de se laisser conduire par son véhicule n’importe où.

Etat des lieux de l’autonomie actuelle

L’autonomie des véhicules se mesure sur une échelle allant du niveau 0 (aucune fonctionnalité automatisée) au niveau 5 (conduite totalement automatisée sans assistance de conducteur). Dans chacun des trois premiers niveaux, la responsabilité légale du conducteur est toujours engagée en cas d’accident :

  • Niveau 1 «Hands on» : aides à la conduite sous surveillance du conducteur
  • Niveau 2 «Hands on » ou « Hands off» : conduite automatisée sous surveillance du conducteur
  • Niveau 3 «Eyes off» : conduite automatisée dans des situations définies sans surveillance du conducteur, avec reprise en main requise par le conducteur en cas de demande du système
  • Niveau 4 «Mind Off» : conduite automatisée dans des situations définies sans surveillance conducteur sans besoin de reprise en main
  • Niveau 5 « Driverless » : conduite automatisée sans conducteur

Les constructeurs ont pour l’instant atteint le niveau 3 en commercialisation, correspondant à une voiture semi-autonome dans laquelle le conducteur peut, dans certaines situations prédéfinies (embouteillages, stationnement), vaquer à d’autres occupations tout en restant capable de reprendre le volant à tout moment. De nombreux défis (juridiques, éthiques, technologiques) restent à relever pour aller au-delà.

De nombreux défis à relever pour atteindre l’autonomie complète

En mars 2018, un accident mortel causé par un véhicule Volvo opéré par Uber, a entrainé un arrêt général temporaire des tests sur route ouverte et a soulevé un doute sur la sécurité des véhicules autonomes dans l’opinion publique. Dans ce cas, l’opérateur à bord n’a pas réussi à reprendre les commandes et éviter l’accident. Ce drame a mis en lumière les limites du niveau 3 d’autonomisation : le conducteur ne sera pas toujours en mesure de reprendre le contrôle assez rapidement. Volvo a alors décidé de faire évoluer sa stratégie en visant de faire passer ses véhicules directement du niveau 2 d’autonomie au niveau 4 afin d’éviter les problèmes de reprise de volant.

La Californie a d’ailleurs autorisé les essais des véhicules sans opérateur mais avec contrôle du véhicule à distance. Cette nouvelle configuration soulève de nouvelles questions, notamment sécuritaires avec les risques de prise de contrôle à distance par un tiers malveillant.

La question de la responsabilité reste aussi largement ouverte : qui est responsable en cas d’accident impliquant une voiture autonome ? Volvo a pris la décision claire d’assumer la responsabilité juridique en cas d’accident impliquant l’une de ses voitures conduites en mode autonome, mais la question reste ouverte chez la plupart des constructeurs.

En plus de ces enjeux sécuritaires et juridiques, les défis technologiques restent aussi nombreux dans la course à l’autonomie.

La communication V2I indispensable au succès du véhicule autonome

Malgré la multitude de capteurs dont les prototypes de véhicules autonomes sont équipés, leur perception en conditions optimales se limite entre 200 et 300 mètres, ce qui, à 130 km/h, représente une distance parcourue entre 5 et 8 secondes. Cela reste donc faible pour s’adapter à un danger imprévu tel qu’une voiture immobilisée ou une zone de travaux. Surtout, cette distance de perception se réduit significativement en cas d’intempérie.

Pour de nombreux experts, seul un dialogue instantané entre la route et le véhicule permettra d’augmenter suffisamment la perception des véhicules en toutes circonstances pour garantir la sécurité des passagers. L’infrastructure intelligente est donc un atout essentiel au développement du véhicule autonome. Elle permettra d’enrichir les données contextuelles diffusées au système de guidage et d’offrir une perception avancée de la route pour optimiser la prise de décision du véhicule et sa trajectoire.

Certains équipements communiquent déjà des informations tant à destination des usagers et de certains véhicules, que des gestionnaires d’infrastructures. Par exemple, les véhicules connectés aux Etats-Unis peuvent connaitre dans plusieurs villes le temps restant avant le passage au vert d’un feu tricolore. Les unités de bords de route (UBR), les panneaux à messages variables (PMV) ou encore les feux de signalisation possèdent de telles fonctionnalités. Interconnectés entre eux grâce aux technologies « Cooperative Intelligent Transport Systems » (C-ITS), ils participent à la gestion du trafic routier.

À terme, les véhicules autonomes seront connectés à ces mêmes systèmes et optimiseront leur conduite grâce à la multitude d’informations envoyées par les infrastructures (état du trafic, présence d’objets dangereux, accidents, disponibilité des places de stationnement, travaux en voirie, etc.) Par exemple, au niveau des carrefours et intersections complexes, des UBR pourront organiser les priorités entre les véhicules autonomes, qui eux-mêmes interagiront entre eux.

Récemment, les constructeurs automobiles se sont entendus pour concevoir un standard de communication garantissant la compatibilité des échanges entre tous les types de véhicules. Ce système de communication « Vehicle to Infrastructure » (V2I) sera directement relié aux équipements de la route, qui l’alimenteront d’une multitude d’informations récoltées grâce aux technologies dont ils seront équipés : capteurs, thermomètres, caméras, etc.

Les constructeurs de véhicules et les gestionnaires d’infrastructure n’hésitent d’ailleurs pas à collaborer dans ce sens. PSA vient de mener une nouvelle expérimentation, en collaboration avec Vinci Autoroutes qui portait sur la mise en sécurité du véhicule : dans une situation complexe (ex. fin de voie rapide), après avoir constaté que le conducteur ne reprenait pas la main comme demandé par le système, le véhicule est allé se garer de lui-même dans une zone refuge.

Wintics et la communication V2I

Chez Wintics, nous voulons construire une vivre-ensemble plus durable grâce à l’IA. Nous sommes convaincus que les véhicules autonomes vont contribuer à rendre les villes plus confortables et plus durables et sommes fiers de participer à leur développement.

En effet, nous avons développé un boitier qui se branche sur n’importe quel type de caméra (optique ou thermique) pour transformer les images brutes en statistiques instructives sur les volumes et les directions des piétons et des véhicules. De cette façon, nous pouvons capitaliser sur les millions de caméras de vidéo-surveillance pour rajouter de l’intelligence aux infrastructures qui peuvent communiquer aux véhicules connectés, en temps réel, sur l’état du trafic, la présence de danger, la disponibilité des places de stationnement, la présence de véhicules non connectés (notamment mobilité douce), etc.

Fluidifier le trafic avec le traitement automatique d’images vidéos

De plus en plus de voitures dans des espaces contraints et saturés

La démocratisation de l’automobile a progressivement fait de la voiture le moyen de transport individuel et quotidien d’une majorité de français : de 6,2 millions de voitures enregistrées en 1960, on en dénombre plus de 38 millions aujourd’hui.

Couplé au phénomène d’urbanisation grandissante, ce nombre croissant de voitures s’est de plus en plus concentré dans et autour des villes, dans des espaces déjà très contraints et limités. Si les pouvoirs publics ont accompagné ces mouvements en investissant massivement dans des infrastructures routières performantes et capables de drainer de plus en plus véhicules, les réseaux routiers ne peuvent s’étendre à l’infini et semblent aujourd’hui souvent saturés. En particulier dans les villes, l’espace disponible est rare et les municipalités ont au contraire tendance à mettre en place des politiques limitant l’accès des voitures dans les centres historiques.

Le trafic soulève des défis économiques et environnementaux importants

Les automobilistes sont alors confrontés à de plus en plus de bouchons, pendant et en dehors des heures de pointe. A Paris, les conducteurs passent 64 heures par an dans les bouchons, soit 11% de leur temps de conduite. À Marseille, Bordeaux et Lyon, les usagers perdent 28 heures par an dans les embouteillages.

Au niveau national, ce temps perdu constitue un manque à gagner estimé à 20 milliards d’euros par an pour les professionnels de tous secteurs : perte de productivité, perte de clients ou de fournisseurs, complexification des tournées et allongement des délais de livraison, surconsommation de carburant, etc.

Ce phénomène dégrade aussi significativement la qualité de vie en ville en générant du stress, de l’anxiété et surtout de la pollution, constituant ainsi un enjeu immense de santé publique et écologique. Plus un véhicule passe de temps dans la circulation, plus il consomme de carburant et plus il émet d’éléments polluants. La consommation d’essence au kilomètre est en effet multipliée par deux pour une même distance par rapport à un trafic fluide. De même, on estime que, sur un tronçon d’autoroute, un embouteillage génère seize fois plus d’émissions de gaz à effet de serre qu’un trafic fluide.

La vision par ordinateur, une technologie récente qui peut contribuer à réduire la congestion

L’augmentation de capacité des infrastructures étant souvent exclue ou impossible, les pouvoirs publics et les villes sont à la recherche de solutions innovantes permettant de réduire la congestion. Ils adoptent notamment de nouvelles approches dites « smart » qui placent le numérique et les nouvelles technologies au cœur de leurs démarches visant à améliorer la qualité de vie de leurs citoyens. Les « smart cities » déploient par exemple de plus en plus d’appareil connectés (IoT) pour mieux connaitre les usages de leurs habitants et des automobilistes. En particulier, les caméras couplées aux dernières technologies de vision par ordinateur, constituent une formidable opportunité pour mieux piloter et fluidifier le trafic automobile.

La vision par ordinateur est une discipline de l’intelligence artificielle qui consiste à analyser, traiter et comprendre automatiquement des images et vidéos. Jusqu’à très récemment, les avancées technologiques dans le domaine étaient limitées. Les algorithmes manquaient de flexibilité et étaient très sensibles aux variations (luminosité, angle de vue, distance). Les applications nécessitaient une ingénierie lourde et des algorithmes d’analyses de pixels sur-mesure. Par conséquent, seuls quelques cas d’usage étaient suffisamment robustes pour être utilisés à grande échelle dans les villes et sur les routes (par exemple la lecture automatique de plaque d’immatriculation). La grande majorité des images restait ainsi sous-exploitée du fait d’un déficit de ressources humaines et financières pour en tirer le plein potentiel.

Les récentes innovations algorithmiques, notamment le deep learning, conjuguées à une démocratisation des infrastructures de calcul (cartes graphiques) et des quantités de données gigantesques et facilement accessibles ont fait entrer la vision par ordinateur dans une nouvelle ère. Il devient désormais possible de l’utiliser à grande échelle, sur les centaines de milliers de caméras installées sur les routes, pour détecter, catégoriser, suivre et analyser automatiquement le comportement de véhicules sur des réseaux routiers, quelle que soit la luminosité, l’angle de vue et la qualité des images.

Des caméras pour mieux piloter les flux et penser des réseaux plus adaptés

Le premier apport de la vision par ordinateur est ainsi de pouvoir démocratiser et préciser la statistique routière. L’analyse automatique de vidéo permet de compter et suivre en temps réel de manière fiable et différenciée (piétons, vélos, véhicules légers, poids lourds, transports en commun, etc.) les flux sur un réseau, là où les dispositifs historiques (boucles de comptage) fournissent de l’information peu différenciée, de comptage simple (sans notion directionnelle), tombent souvent en panne et sont difficiles à entretenir.

Les gestionnaires de réseaux routiers disposent ainsi d’une information de meilleure qualité et disponible à grande échelle (milliers de caméras déjà installées) pour prendre des décisions éclairées quant à la gestion dynamique du réseau et aux travaux d’aménagement permettant de l’améliorer.

L’utilisation en temps différé de la statistique issue des caméras permet d’analyser les infrastructures sur longue période pour évaluer l’adéquation des usages avec les besoins des utilisateurs. S’il est compliqué d’agrandir les réseaux, il est possible de les adapter pour qu’ils correspondent davantage aux flux réels.

S’appuyer sur les caméras pour mettre en place la régulation dynamique de vitesse selon le taux d’occupation des voies

La statistique en temps réel fournie par les caméras permet de constater automatiquement et en direct les situations denses qui correspondent aux cas les plus sujets aux embouteillages : il suffit en effet qu’un automobiliste freine brusquement pour provoquer une réaction en chaine et d’importants bouchons. Pour l’éviter, il est alors possible d’utiliser cette information pour mettre en place la régulation dynamique de vitesse, qui consiste à imposer des limitations de vitesse variables en fonction de la densité de circulation observée. Il est en effet démontré que maîtriser un ralentissement en abaissant légèrement et ponctuellement la vitesse maximale autorisée permet d’éviter les coups de frein intempestifs et donc de fluidifier la circulation plutôt que de la bloquer.

Utiliser les statistiques issues des caméras pour synchroniser plus efficacement les feux tricolores

Connaitre en temps réel l’encombrement des axes grâce aux caméras peut aussi permettre de synchroniser de manière dynamique les feux tricolores pour fluidifier le trafic. Un tel système automatisé a été mis en place en 2013 à Los Angeles, alors considérée comme la ville la plus embouteillée des États-Unis. Le système recueille, en temps réel, des données concernant le trafic routier et les utilise pour adapter la durée des feux de signalisation et synchroniser les phases d’arrêt et de circulation (rouge/vert), ce qui permet de fluidifier la circulation, notamment en réduisant les temps d’arrêt et donc, directement, le temps de conduite et les émissions polluantes associées. La mesure s’avère efficace : les automobilistes ont réduit leur temps de parcours de 14%, leur temps d’arrêt de 31% et leurs retards de 21%.

Surtout, l’analyse vidéo, contrairement à un système de comptage classique, permet de prendre en compte les mobilités douces (vélos, trottinettes, etc.) et les piétons pour intégrer aussi les temps d’attente de ces populations dans les algorithmes de régulation des feux.

Détecter automatiquement les incidents de trafic et décourager les comportements dangereux

L’analyse de vidéo en temps réel permet aussi de détecter automatiquement des incidents de trafic, qui peuvent significativement impacter la fluidité du trafic : accident, véhicule à contre-sens, panne, etc. Avec l’émission d’alertes automatiques, les gestionnaires de réseaux sont prévenus instantanément et peuvent réagir plus rapidement pour normaliser le trafic.

La vision par ordinateur pourra aussi automatiser et généraliser la vidéo-verbalisation, constituant ainsi un outil majeur de dissuasion des comportements dangereux sur les axes routiers qui contribuent largement à la congestion (vitesses excessives, dépassements dangereux, etc.).

Orienter les automobilistes vers les places de stationnement disponibles

Enfin, les nouveaux algorithmes de vision par ordinateur sont aussi capables de détecter et compter automatiquement les places de stationnement disponibles dans la rue ou dans des parkings. En capitalisant sur les systèmes de vidéo-surveillance des rues qui offrent un maillage assez exhaustif et fins des villes, il est alors possible d’orienter intelligemment les automobilistes vers les emplacements libres. De telles solutions permettraient de réduire significativement la congestion urbaine : on estime en effet qu’à Paris, à tout instant, 2 à 3 véhicules sur 10 sont à la recherche d’une place de stationnement. Ce sont autant de véhicules qui encombrent la circulation et participent à la création d’embouteillages.

A propos de Smart Camera de Wintics

Smart Camera de Wintics s’appuie sur les dernières innovations technologiques pour créer des solutions logicielles de pointe capables de détecter, catégoriser et tracker les piétons et véhicules en temps réel. Nos algorithmes prennent en charge des images vidéo issues de tous types de caméras optiques ou thermiques, pour transformer les vidéos en données statistiques précieuses pour les gestionnaires de villes, gares, parkings, autoroutes, ponts, tunnels, etc. Ces données sont utilisées par nos clients en temps réel ou en temps différé, notamment pour mettre en place des actions permettant de réduire la congestion en ville.

Wintics laureat concours schneider electric smart city smart building

Wintics est lauréat d’un concours Schneider Electric

Schneider Electric vient de révéler les lauréats de la compétition mondiale de data science « Power Laws: Detecting Anomalies in Usage », organisée sur la plateforme Drivendata. Le challenge s’est déroulé sur 2 mois et a attiré plus de 1 700 concurrents venant notamment d’universités prestigieuses, d’instituts de recherche et de grandes entreprises mondiales. En terminant deuxième, Wintics démontre une nouvelle fois son expertise de pointe en intelligence artificielle et le très haut niveau de performance de ses algorithmes.

Détecter les consommations anormales d’énergie

Les bâtiments sont les premiers consommateurs d’énergie dans le monde et les principaux contributeurs au réchauffement climatique. Pourtant, les bâtiments consomment en moyenne 20% d’énergie de plus que leurs besoins réels, en lien avec des défauts de construction, des dysfonctionnements d’équipements, des systèmes de contrôles mal paramétrés ou des procédures défaillantes.

Il existe donc un besoin significatif de développement de solutions automatiques, précises et fiables, capables de détecter les consommations anormales d’énergie dans les bâtiments et de recommander des actions d’économie d’énergie pertinentes.

Schneider Electric, soucieux d’améliorer son offre actuelle, a lancé cette compétition pour encourager le développement d’algorithmes plus précis et plus performants. réé par NUMA et la Ville de Paris en 2015, DataCity est un programme d’innovation qui propose de mettre les nouvelles technologies au service des grands enjeux de la ville de demain : environnement, qualité de vie, mobilité, etc.

Wintics a développé une approche 100% fiable

Dans le cadre du challenge, Wintics a eu accès à 40 millions de lignes de données, retraçant sur 7 ans et par tranches de 10 ou 15 minutes, l’historique de consommation d’énergie (chauffage, climatisation, éclairage, etc) et d’utilisation (présence, température, etc) de 180 bâtiments.

Les données ne sont pas labélisées, c’est-à-dire qu’aucun exemple d’anomalie n’a été présenté dans l’historique de relevés. Il revenait donc aux concurrents de définir eux-mêmes ce qu’est une consommation anormale afin de déterminer, pour chaque mesure, si elle était anormale ou pas.

Wintics a combiné ses expertises métiers et algorithmiques pour développer une méthode s’appuyant sur deux approches :

  • Approche prédictive innovante : déterminer un score d’anomalie par relevé en lien avec la probabilité que la consommation mesurée soit excessive. Techniquement, nous avons croisé un réseau de neurones entraîné pour prédire la consommation d’énergie en fonction du contexte (type de jour, température extérieure, type d’activité dans le bâtiment, nombre de personnes présentes, etc.) avec des méthodes avancées de calcul probabiliste inspirées de la physique.
  • Approché métier : sur la base d’une exploration et d’une visualisation de la donnée, définition de règles automatiques permettant de déterminer si les relevés suspects sont réellement anormaux.

Cette méthode s’est avérée très efficace, avec un niveau de précision de 100%. En d’autres termes, chacune des milliers d’anomalies proposées par notre algorithme se sont avérées, après vérification par les experts métier de Schneider Electric, être effectivement des consommations anormales d’énergie.

Wintics à la pointe des solutions de la smart city

Après ses deux succès sur des challenges du programme Datacity organisé par Numa, Wintics démontre une nouvelle fois la pertinence de son offre au service de la Smartcity, avec désormais 3 solutions reconnues dans le cadre de compétitions au service d’une ville plus intelligente :

  • Solutions de prévision de trafic développée pour la Direction des Routes d’Ile de France
  • Cartographie interactive des grandes villes permettant d’automatiser les études de potentiel d’usage et de contraintes techniques dans le cadre d’aménagement urbain (ex. implantation de bornes électriques)
  • Algorithme de détection de consommations anormales d’énergie permettant de rationaliser la consommation énergétique des bâtiments

<<< Lien vers le communiqué de Driven Data >>>