{"id":11528,"date":"2024-03-13T18:00:15","date_gmt":"2024-03-13T17:00:15","guid":{"rendered":"https:\/\/wp.unil.ch\/geoblog\/?p=11528"},"modified":"2024-03-13T18:00:54","modified_gmt":"2024-03-13T17:00:54","slug":"qui-se-deplace-ou-comment-et-quand-le-deep-learning-contribue-a-demeler-lecheveau-du-trafic-urbain","status":"publish","type":"post","link":"https:\/\/wp.unil.ch\/geoblog\/2024\/03\/qui-se-deplace-ou-comment-et-quand-le-deep-learning-contribue-a-demeler-lecheveau-du-trafic-urbain\/","title":{"rendered":"Qui se d\u00e9place o\u00f9, comment et quand\u00a0? Le deep-learning contribue \u00e0 d\u00e9m\u00ealer l\u2019\u00e9cheveau du trafic urbain"},"content":{"rendered":"\n
\n

Christian Kaiser est g\u00e9ographe sp\u00e9cialiste en g\u00e9ographie computationnelle. Ses recherches portent sur la visualisation interactive des donn\u00e9es dans divers domaines, tels que la socio-\u00e9conomie ou les structures urbaines.<\/strong><\/p>\n\n\n\n

Plusieurs des projets auxquels il collabore visent \u00e0 d\u00e9crire et comprendre la mobilit\u00e9 dans le r\u00e9seau urbain\u00a0: combien de personnes se d\u00e9placent\u00a0? par quels moyens\u00a0? quels sont les d\u00e9placements pr\u00e9f\u00e9rentiels\u00a0? combien de temps\u00a0durent-ils ? o\u00f9 se situent les n\u0153uds d\u2019engorgement du trafic\u00a0?<\/p>\n<\/div>\n\n\n\n

Lorsque l\u2019on d\u00e9sire \u00e9tudier le trafic dans une agglom\u00e9ration ou un quartier, il est n\u00e9cessaire de d\u00e9terminer les d\u00e9placements effectu\u00e9s par ses nombreux usagers. Dans ce but, Christian Kaiser utilise des cam\u00e9ras situ\u00e9es aux endroits strat\u00e9giques de la ville qui transmettent directement les informations capt\u00e9es aux logiciels de visualisation (ces cam\u00e9ras n\u2019enregistrent pas de film pr\u00e9servant ainsi la confidentialit\u00e9 des donn\u00e9es). Gr\u00e2ce au deep-learning, il entra\u00eene ces logiciels \u00e0 reconna\u00eetre les diff\u00e9rents objets qui se d\u00e9placent (pi\u00e9tons, cyclistes, voitures). L\u2019enjeu est d\u2019obtenir une reconnaissance suffisante de chaque objet, pour pouvoir le distinguer des autres, et d\u00e9terminer son parcours propre ou son temps de d\u00e9placement par exemple. <\/p>\n\n\n\n

Cette m\u00e9thode a permis d\u2019am\u00e9liorer nettement les capacit\u00e9s de reconnaissance des logiciels de visualisation. On atteint ainsi actuellement une reconnaissance fiable de 90% des objets \u00e9voluant dans le trafic, contre 70% initialement. Les d\u00e9placements individuels sont ainsi mieux d\u00e9termin\u00e9s, donnant de pr\u00e9cieuses informations sur les trajets pr\u00e9f\u00e9rentiels ou les alternatives choisies par les diff\u00e9rents usagers. Par ailleurs les algorithmes permettent \u00e9galement de regrouper des comportements de d\u00e9placement similaires (clustering), trop complexes \u00e0 identifier de mani\u00e8re imm\u00e9diate en raison du nombre tr\u00e8s \u00e9lev\u00e9 d\u2019images \u00e0 interpr\u00e9ter.<\/p>\n\n\n\n

L\u2019IA, un net progr\u00e8s pour les outils de visualisation num\u00e9rique et d\u2019autres d\u00e9veloppements \u00e0 venir<\/h4>\n\n\n\n

Si Christian Kaiser n\u2019aime pas le terme intelligence artificielle<\/em> (auquel il pr\u00e9f\u00e8re apprentissage statistique<\/em>), il rel\u00e8ve les progr\u00e8s \u00e9normes engendr\u00e9s dans le domaine de la visualisation num\u00e9rique. \u00ab\u00a0On est pass\u00e9 de blocs informes \u00e0 des structures reconnaissables\u00a0\u00bb.<\/em> Par ailleurs le nombre et la qualit\u00e9 des donn\u00e9es \u00e0 disposition se sont \u00e9galement am\u00e9lior\u00e9es. Il est par exemple possible de discerner les bandes cyclables sur les images satellites ou d\u00e9terminer la fonction d\u2019un b\u00e2timent selon les all\u00e9es et venues r\u00e9pertori\u00e9es \u00e0 ses alentours. Pour la suite, Christian Kaiser entrevoit un potentiel d\u2019\u00e9volution sur la reconnaissance de texte et la possibilit\u00e9 de faire dessiner des cartes sur la base de descriptions \u00e9crites.<\/p>\n\n\n\n

Ce que l\u2019on veut faire, que l\u2019on peut faire et qu\u2019on a le droit de faire<\/h4>\n\n\n\n

Si les r\u00e9sultats obtenus en utilisant l\u2019apprentissage automatique sont tr\u00e8s bons, il faut cependant rester vigilant quant \u00e0 son utilisation \u00ab\u00a0Il y a ce que l\u2019on veut faire, ce que l\u2019on peut faire et ce qu\u2019on a le droit de faire. Les cadres l\u00e9gaux  d\u00e9finissent tr\u00e8s clairement des r\u00e8gles emp\u00eachant d\u2019empi\u00e9ter sur la vie priv\u00e9e des gens, ce qui est tr\u00e8s bien\u00a0\u00bb<\/em>. Dans le contexte de recherches en milieu urbain bas\u00e9es sur la visualisation et la reconnaissance d\u2019images, il est important de pouvoir se fier \u00e0 ces cadres et de veiller \u00e0 s\u2019y tenir.<\/p>\n\n\n\n

\n

Christian Kaiser va contribuer \u00e0 un projet financ\u00e9 par Interact<\/a> en collaboration avec Patrick R\u00e9rat (professeur \u00e0 l\u2019IGD) et St\u00e9phane Bolognini (chef de section au service de mobilit\u00e9 de la Ville de Lausanne). Ce projet vise \u00e0 d\u00e9terminer les comportements des cyclistes, suite \u00e0 l\u2019introduction de la possibilit\u00e9 de tourner \u00e0 droite \u00e0 certains feux rouges. Plusieurs cam\u00e9ras dispos\u00e9es \u00e0 des carrefours avec et sans cette option pour analyser le comportement des cyclistes : utilisent-ils cette possibilit\u00e9 ou non ? Si oui comment le font-ils ? Si non quelles sont leur r\u00e9ticences \u00e0 le faire etc.. Dans le cadre de ce projet le deep-learning servira au traitement automatique des donn\u00e9es transmises par les cam\u00e9ras.<\/p>\n\n\n\n