Grant: CCI Applied Research and Development Grants

Le projet vise à développer un modèle dynamique paramétrique servant à simuler la circulation routière de façon réaliste. Le rendu final s’apparenterait à une prise de vue aérienne de la circulation routière. Cette simulation pourra être alimentée en temps réel par des données paramétriques (ex. : vitesse, densité, type de véhicule, mouvements) obtenues par l’analyse de flux vidéos. Un tel modèle permettrait d’être utilisé dans des simulateurs de vols afin de rendre la scène plus réaliste. Il pourrait également être utilisé par les centres de gestion du trafic afin de visualiser l’état du trafic plus facilement. En zone militaire ou dans le cas de désastre climatique, ce type de modèle servirait à créer une carte interactive en temps réel qui permettrait d’identifier les zones de congestions potentielles et aiderait les autorités à mieux diriger les opérations de déplacement des véhicules militaires ou d’urgence. Bien que les données d’entrée du simulateur pourraient provenir de plusieurs sources (ex. : boucles d’induction, radar, etc.), nous proposons, dans le cadre du projet, de générer ces données en utilisant des méthodes d’intelligence artificielle (Deep Learning) appliquée à l’analyse d’images vidéo. Ce type de méthodes permet de détecter les véhicules dans différentes conditions environnementales (jour, nuit, pluie, etc.). D’autres méthodes permettront de mesurer les paramètres du trafic comme la vitesse, le flux, la densité, le type et les changements de direction des véhicules. Les flux vidéo pourront provenir des caméras de surveillance déjà installées le long des routes ou d’autres sources (ex. caméra sur drone). Ces paramètres locaux mesurés serviront à alimenter un modèle global permettant d’évaluer en chaque point l’état du trafic. On afficherait alors une représentation des véhicules se déplaçant sur un modèle géographique en 3D de la ville. Chaque véhicule pourra être affiché sous une forme de représentation simple selon les types de véhicules détectés. Le tout sera animé en temps réel et s’adaptera en fonction des paramètres de vitesse et de densité mesurés.