Les caméras intelligentes offrent une surveillance adaptative avancée du trafic

Une gestion efficace du trafic urbain reste la pierre angulaire du développement des villes intelligentes. Avec l’essor des véhicules autonomes et des systèmes de transport connectés, les solutions de surveillance dynamique sont essentielles pour garantir la fluidité du trafic, minimiser les accidents et optimiser l’efficacité. Cependant, les configurations de caméras statiques traditionnelles ne parviennent souvent pas à s’adapter aux changements rapides des conditions de circulation, ce qui entraîne une surveillance et une utilisation des ressources inefficaces.

Pour résoudre ce problème, des chercheurs de l’Université nationale d’Incheon, dirigés par le professeur agrégé Hyunbum Kim, ont introduit une solution : un système de surveillance des fluides augmenté, conçu pour s’adapter en temps réel à différents scénarios de circulation. Cet article est publié dans le Journal IEEE de l’Internet des objets.

Le système innovant utilise un réseau de caméras à objectif unique disposées dans une grille dynamique. Ce modèle ajuste intelligemment sa couverture de surveillance en activant ou désactivant les caméras en fonction des conditions de circulation en temps réel, garantissant ainsi une surveillance efficace et flexible.

Le Dr Kim, le chercheur principal, explique : « Notre motivation vient du besoin croissant de systèmes adaptatifs de surveillance du trafic, capables de gérer des scénarios divers et imprévisibles. En créant un système de surveillance des fluides augmenté, nous visons à révolutionner la gestion du trafic et à fournir des services de transport intelligents et transparents. »

Pour y parvenir, l’étude a formalisé le « Problème de maximisation de l’efficacité de la surveillance augmentée des fluides » (MaxAugmentFluSurv). Ce problème consiste à trouver la meilleure façon de placer et d’utiliser les caméras pour une efficacité maximale tout en couvrant toutes les zones nécessaires.

Les chercheurs ont proposé deux solutions intelligentes pour relever ce défi. La première approche, appelée Random-Value-Camera-Level Algorithm, organise les caméras dans une grille 3×3. Certaines caméras sont toujours allumées pour assurer une couverture de base, tandis que d’autres s’allument ou s’éteignent en fonction du niveau de trafic. De cette façon, pendant les périodes de pointe, davantage de caméras s’allument pour surveiller la situation, et pendant les périodes calmes, moins de caméras sont actives, ce qui permet d’économiser de l’énergie.

La deuxième approche, appelée algorithme ALL-Random-With-Weight, fonctionne de manière similaire mais est encore plus flexible. Il attribue un rôle unique à chaque caméra en fonction de sa position dans la grille. Les caméras situées dans des positions clés restent actives en permanence, tandis que d’autres ajustent leur activité en fonction des conditions de circulation. Cette méthode garantit un équilibre entre une surveillance approfondie et une utilisation efficace de l’énergie.

Des simulations approfondies ont montré que ces méthodes fonctionnaient efficacement dans différentes conditions, telles que des niveaux de circulation, des pentes et des angles variables. Le système a réduit la consommation d’énergie pendant les périodes de faible trafic et a fourni une forte couverture pendant les heures de pointe en prévoyant et en s’adaptant aux modèles de trafic.

« Notre approche optimise l’utilisation des caméras et économise de l’énergie tout en garantissant une surveillance fiable. C’est un pas vers une gestion du trafic plus intelligente et plus respectueuse de l’environnement, » dit le Dr Kim.

Au-delà du contrôle de la circulation, ce système adaptatif pourrait également être utilisé pour la surveillance des foules, les interventions en cas de catastrophe et la sécurité industrielle. Les efforts futurs se concentreront sur les tests réels et l’intégration de technologies telles que l’apprentissage profond pour des performances encore meilleures. Cette innovation représente une étape majeure dans la construction de villes plus intelligentes et plus durables.