Introduction

La multiplication des objets connectés et le développement du traitement des images permettent, grâce à l’intelligence artificielle, d’obtenir des données de plus en plus nombreuses et de plus en plus précises pour gérer les flux de circulation routière.

Jusqu’au début des années 2000, l’étude des flux routiers reposait principalement sur les boucles électromagnétiques, insérées dans le revêtement routier, les radars et les caméras. Ces outils de régulation ont permis de connaître le trafic en temps réel.

Mais la multiplication de l’IoT (internet des objets), des véhicules connectés ou encore des solutions de navigation a changé la donne, en boostant la production des données. A l’aube du XXI^e siècle, le Big Data a fait son apparition. Et avec lui de nouveaux outils capables d’analyser des données provenant de sources différentes. « Depuis quelques années, aux données traditionnelles viennent s’ajouter les floatting car data (FCD) issues des traces GPS des véhicules, ou celles provenant des applications de navigation des téléphones portables, qui sont vendues aux gestionnaires routiers », explique Bruno Levilly, responsable du Secteur ITS (systèmes de transports intelligents) trafic et régulation au Cerema.

Cette multiplication des données va de pair avec le développement de l’intelligence artificielle, que l’on pourrait définir comme l’ensemble de ces programmes informatiques complexes capables de simuler le raisonnement ou l’apprentissage humains.

« Les sources de données sont fondamentales, insiste Philippe Gicquel, président fondateur de Cil4SYS, une entreprise d’ingénierie système. Il est important de combiner plusieurs sources et de mixer ces données en fonction des objectifs que l’on se fixe. Il faut trouver les sources les plus intelligentes, les moins chères. »

Edge computing, machine learning, deep learning, réseaux de neurones artificiels… de plus en plus, les développements informatiques en matière de gestion des flux de circulatio