Pour affiner les prévisions de trafics, quelles que soient les routes, il est préférable de scinder celles-ci en de multiples segments, qui s'étudient individuellement avant d'être rassemblés.

L'analyse du flux routier est plus efficace quand elle s'intéresse au détail

Un phénomène suit étroitement le développement des grandes métropoles mondiales : la croissance du parc automobile. Bien souvent, cette croissance fulgurante est synonyme de saturation extrême des réseaux routiers. Les embouteillages monstres de Pékin en 2010 en sont l’exemple type. L’analyse des flux circulatoires devient donc un enjeu important dans le développement urbain. Avec des déploiements simples et des coûts réduits, les applications visuelles de mesure de trafic favorisent les recherches. Partant de cette analyse, une équipe du Département Informatique de l’Université de Hong Kong a développé un nouveau modèle en ligne d’estimation des trafics routiers qui se penche sur l'identification des véhicules en découpant les routes en de multiples portions.

Les méthodes de détection actuelles peu performantes

Pourquoi privilégier cette démarche ? Parce que les méthodes développées jusqu’à présent, qui reposent principalement sur l’analyse des fonds d’image ou la détection des mouvements, ne sont pas exemptes de problèmes. Par exemple, si ces dernières sont relativement bien adaptées aux autoroutes ou aux grandes voies périphériques, elles ne conviennent pas en zones urbaines, comme les carrefours par exemple. En effet, les voies routières sont souvent très chargées et rendent difficile la détection du fond. La méthode de détection de mouvements, elle, sera mise à mal par les  embouteillages, les véhicules pouvant être confondus. Le nouveau système, en segmentant, a pour but d'affiner l'étude, estiment les chercheurs. Pour fonctionner, il découpe chacune des voies en blocs.

De la voiture au piéton

Ensuite, le dispositif est initialisé durant une période courte afin de modéliser le système d’acquisition des véhicules. Cette étape passée, il est alors en mesure d’identifier un véhicule le long des blogs d’une voie, mais aussi de mesurer la densité du trafic en fonction de l’état d’occupation - ou non- d’un bloc. Forte de ces résultats, l’équipe de recherche prévoit dans un second temps un système d’identification des types de véhicules ainsi qu’une extension du modèle pour les flux piétons. Un développement qui pourra avoir un sens dans les grandes métropoles asiatiques, bien sûr, mais également dans les grandes manifestations ou les déplacements importants de foule dans les transports en commun par exemple.