Les embouteillages ne seront plus qu'un lointain souvenir grâce à l'IA des feux de signalisation,

Mis au point par des chercheurs de l'université d'Aston

Les longues files d'attente aux feux de signalisation pourraient appartenir au passé, grâce à un nouveau système d'intelligence artificielle mis au point par des chercheurs de l'université d'Aston. L'inefficacité du contrôle des feux de circulation est l'une des principales causes de congestion des réseaux routiers urbains. L'évolution dynamique des conditions de circulation et l'estimation en temps réel de l'état du trafic sont des défis fondamentaux qui limitent la capacité de l'infrastructure de signalisation existante à assurer un contrôle individualisé des signaux en temps réel.

Ce système, premier du genre, lit les images des caméras en direct et adapte les feux pour compenser, ce qui permet de fluidifier le trafic et de réduire les embouteillages. Les chercheurs utilisent l'apprentissage par renforcement profond (DRL) pour relever ces défis. En raison des contraintes économiques et de sécurités associées à la formation de tels agents dans le monde réel, une approche pratique consiste à le faire en simulation avant le déploiement. La randomisation du domaine est une technique efficace pour combler le fossé de la réalité et assurer un transfert efficace des agents formés en simulation vers le monde réel.


Lors des tests, le système a largement dépassé toutes les autres méthodes, qui reposent généralement sur des transitions de phase conçues manuellement. En 2019, il a été estimé que les embouteillages dans les zones urbaines du Royaume-Uni entraînent une perte de temps d'environ 115 heures - et 894 £ de gaspillage de carburant et de perte de revenus - chaque année pour le résident britannique moyen. Une cause majeure de la congestion est le minutage inadéquat des feux de circulation.

Les chercheurs ont construit un simulateur de trafic photoréaliste de pointe, Traffic 3D, pour former leur programme, en lui apprenant à gérer différents scénarios de trafic et de météo. Lorsque le système a été testé sur un carrefour réel, il s'est ensuite adapté aux carrefours réels, bien qu'il ait été entièrement formé sur des simulations. Il pourrait donc être efficace dans de nombreux contextes du monde réel.

Un agent DRL entièrement autonome, basé sur la vision, qui réalise un contrôle adaptatif des signaux dans des environnements de trafic complexes, imprécis et dynamiques a été développé. L’agent utilise des données visuelles en direct (c'est-à-dire un flux de séquences RVB en temps réel) provenant d'une intersection pour percevoir de manière extensive l'environnement du trafic et agir ensuite sur celui-ci.

En utilisant la randomisation du domaine, les chercheurs examinent les capacités de généralisation de l’agent dans des conditions de circulation variables, à la fois dans la simulation et dans le monde réel. Dans un ensemble de validation diversifié, indépendant des données d'entraînement, l’agent de contrôle du trafic s'est adapté de manière fiable aux nouvelles situations de trafic et a démontré un transfert positif vers des intersections réelles jamais vues auparavant, bien qu'il ait été entraîné entièrement en simulation.

Le Dr Maria Chli, lectrice en informatique à l'université d'Aston, explique : « nous l'avons configuré comme un jeu de contrôle du trafic. Le programme reçoit une "récompense" lorsqu'il fait passer une voiture à un carrefour. Chaque fois qu'une voiture doit attendre ou qu'il y a un embouteillage, il y a une récompense négative. En fait, nous n'intervenons pas ; nous contrôlons simplement le système de récompense ».

À l'heure actuelle, la principale forme d'automatisation des feux de signalisation utilisés aux carrefours repose sur des boucles d'induction magnétique ; un fil est placé sur la route et enregistre les voitures qui passent dessus. Le programme les compte et réagit ensuite à ces données. Comme l'IA créée par l'équipe de l'université d'Aston « voit » un fort volume de trafic avant que les voitures n'aient franchi les feux et prend sa décision à ce moment-là, elle est plus réactive et peut réagir plus rapidement.

Le Dr George Vogiatzis, maître de conférences en informatique à l'université d'Aston, a déclaré : « la raison pour laquelle nous avons basé ce programme sur des comportements appris est qu'il peut comprendre des situations qu'il n'a pas explicitement vécues auparavant. Nous l'avons testé avec un obstacle physique à l'origine de la congestion, plutôt qu'avec le phasage des feux de signalisation, et le système s'est toujours bien comporté. Tant qu'il existe un lien de causalité, l'ordinateur finira par le découvrir. C'est un système extrêmement puissant ».

Un internaute qui se fait appéler AKLmfreak déclare : « les humains peuvent littéralement provoquer un embouteillage sur 6 voies d'une autoroute parfaitement droite, sans intersection ni rampe. J'apprécie que l'apprentissage machine profond essaie d'aider, mais nous avons besoin d'un apprentissage crânien profond là où je vis ». « C'est ce que je pensais. Les transports publics et les infrastructures construites en tenant compte du transport non motorisé sont les véritables réponses aux problèmes de circulation. Et nous avons la capacité de mettre en œuvre ces solutions dès maintenant. »

L'internaute déclare que la technologie ne fera pas ce que disent les titres des médias : « Je ne dis pas que cette technologie de feux de circulation intelligents est mauvaise (bien qu'il y ait des arguments à faire valoir pour cela), mais elle ne fera pas du tout ce que les gros titres veulent nous faire croire et elle n'est pas le bon outil pour ce travail en premier lieu. »

Le programme peut être configuré pour visualiser n'importe quel carrefour, réel ou simulé, et commencera à apprendre de manière autonome. Le système de récompense peut être manipulé, par exemple pour encourager le programme à laisser passer rapidement les véhicules d'urgence. Mais le programme apprend toujours par lui-même, plutôt que d'être programmé avec des instructions spécifiques. Les chercheurs espèrent commencer à tester leur système sur des routes réelles cette année.

Source : Université d'Aston

Et vous ?

Quel est votre avis sur le sujet ?

Voir aussi :

Le scandale néerlandais est un avertissement pour l'Europe sur les risques liés à l'utilisation des algorithmes, l'administration fiscale a ruiné des milliers de vies avec un algorithme

Clearview AI, le spécialiste controversé de la reconnaissance faciale, a accepté de freiner ses ventes aux Etats-Unis, au terme d'un procès retentissant

Les modèles d'IA restent racistes, même avec une formation plus équilibrées, selon un rapport du NIST

Une nouvelle startup affirme que son IA peut analyser les émotions des humains et proposer des solutions pour mieux les manipuler, afin d'atteindre les objectifs de vente