Les accidents de piétons et leur gravité pourraient-ils être estimés sans utiliser les données réelles des accidents ?
Il est crucial pour les autorités routières de concevoir des contre-mesures pour améliorer la sécurité des piétons, en particulier des mesures ciblées pour les accidents graves et non graves. Cependant, ces efforts s’appuient principalement sur les données d’accidents déclarées par la police, ce qui pose des problèmes évidents et éthiques et entrave une gestion proactive de la sécurité.
Alors que les techniques de vision par ordinateur offrent des données de trajectoire haute résolution des usagers de la route, la question fondamentale de la recherche est la suivante : « Pourrions-nous estimer les accidents de piétons et leur gravité sans réellement utiliser les données d'accidents ? Pour répondre à cette question, des chercheurs de l'Université de technologie du Queensland, en Australie, ont collecté d'importantes données vidéo des mouvements des piétons aux intersections signalisées à Brisbane, dans le Queensland, en Australie.
Ils ont publié leur étude dans Communications dans la recherche sur les transports.
« Nous avons développé un modèle hybride pour estimer la fréquence des accidents de piétons par niveaux de gravité afin d'étudier les déterminants des accidents de piétons. Grâce à l'apprentissage automatique, les interactions extrêmes entre véhicules et piétons sont identifiées et modélisées grâce à la théorie des valeurs extrêmes en tenant compte de la nature grave et non grave d'un accident. « , déclare Fizza Hussain, chercheuse à l'École de génie civil et environnemental de l'Université de technologie du Queensland.
Estimation des accidents de piétons avec gravité
Dans cette étude, l’équipe de recherche a observé les performances exceptionnelles du modèle développé pour estimer la fréquence des accidents de piétons par niveaux de gravité. Par exemple, les moyennes d’accidents graves et non-accidents observés sur cinq ans étaient respectivement de 2 et 29, et les prévisions correspondantes du modèle le mieux ajusté étaient de 2,91 et 30,91, respectivement.
« Dans le passé, nous devions nous appuyer sur des statistiques d'accidents sur trois à cinq ans pour comprendre le niveau de risque d'accident d'une installation de transport. Les résultats de cette étude nous prouvent que nous pouvons désormais prédire avec précision les risques d'accident d'une installation de transport simplement en observant la circulation pendant environ une semaine », explique le professeur Shimul (Md Mazharul) Haque, professeur de sécurité des transports.
De plus en plus, les autorités routières souhaitent prévoir la fréquence des accidents en fonction des niveaux de gravité afin de concevoir des contre-mesures adaptées. Par exemple, aux intersections signalisées, les résultats de modélisation proposés fourniront des informations sur les accidents ainsi que sur leur gravité, permettant ainsi aux autorités routières de prioriser leurs actions en fonction du niveau de gravité.
Rôle de l'apprentissage automatique dans l'estimation de la fréquence des accidents de piétons par gravité
L’apprentissage automatique gagne en importance et son utilisation pour estimer la fréquence des accidents dus aux conflits de circulation est plutôt limitée. Cette recherche démontre que lorsqu’on utilise l’apprentissage automatique pour identifier les interactions à risque avec les piétons, les performances des modèles de prédiction des risques d’accident sont environ trois fois supérieures à celles utilisées avec des méthodes conventionnelles (méthodes sans apprentissage automatique).
« Ces résultats suggèrent la supériorité de l'application de l'apprentissage automatique pour estimer la fréquence des accidents de piétons en fonction des niveaux de gravité. Nous espérons que cette recherche pourra jeter une base solide pour les applications futures de l'apprentissage automatique dans des scénarios aussi vitaux de sécurité des piétons et de développement de contre-mesures », déclare Yuefeng Li, un professeur d'informatique.
Fourni par Tsinghua University Press
