La circulation automobile a longtemps défié toute description. Autrefois mesurés grossièrement par une inspection visuelle et des caméras de circulation, les nouveaux outils de crowdsourcing pour smartphones quantifient désormais le trafic de manière beaucoup plus précise. Cependant, cette méthode populaire présente également un problème :des mesures précises nécessitent beaucoup de données et d'utilisateurs.

Meshkat Botshekan, titulaire d'un doctorat du MIT. étudiant en génie civil et environnemental et assistant de recherche au MIT Concrete Sustainability Hub, a cherché à développer les méthodes de crowdsourcing en examinant la physique du trafic. Au cours de son doctorat, il a contribué au développement de Carbin, un outil de crowdsourcing routier basé sur un smartphone créé par le MIT CSHub et l'Université du Massachusetts à Dartmouth, et a utilisé ses données pour mieux comprendre la physique du trafic, depuis la formation de embouteillages à l'inférence de la phase de circulation et du comportement de conduite. Ici, il explique comment les découvertes récentes peuvent permettre aux smartphones de déduire les propriétés du trafic à partir des mesures d'un seul véhicule.

Q :De nombreuses applications de navigation mesurent déjà le trafic. Pourquoi avons-nous besoin d'alternatives ?

R :Les caractéristiques du trafic ont toujours été difficiles à mesurer. Dans le passé, l'inspection visuelle et les caméras étaient utilisées pour produire des mesures de trafic. Il est donc indéniable que les applications d'outils de navigation d'aujourd'hui offrent une alternative supérieure. Pourtant, même ces outils modernes ont des lacunes.

Le principal d'entre eux est leur dépendance à l'égard du nombre d'utilisateurs répartis dans l'espace :essentiellement, ces applications comptabilisent leurs utilisateurs sur des segments de route pour estimer la densité du trafic. Bien que cette approche puisse sembler adéquate, elle est à la fois vulnérable à la manipulation, comme le démontrent certaines vidéos virales, et nécessite d'immenses quantités de données pour des estimations fiables. Le traitement de ces données demande tellement de temps et de ressources que, malgré leur disponibilité, elles ne peuvent pas être utilisées pour quantifier efficacement le trafic sur l'ensemble d'un réseau routier. Par conséquent, cette immense quantité de données de trafic n'est pas réellement optimale pour la gestion du trafic.

Q :Comment les nouvelles technologies pourraient-elles améliorer la façon dont nous mesurons le trafic ?

R :Les nouvelles alternatives ont le potentiel d'offrir deux améliorations par rapport aux méthodes existantes :premièrement, elles peuvent extrapoler beaucoup plus sur le trafic avec beaucoup moins de données. Deuxièmement, ils peuvent coûter une fraction du prix tout en offrant une méthode beaucoup plus simple de collecte de données. Tout comme Waze et Google Maps, ils s'appuient sur les données de crowdsourcing des utilisateurs. Pourtant, ils sont fondés sur l'incorporation de la physique statistique de haut niveau dans l'analyse des données.

Par exemple, l'application Carbin, que nous développons en collaboration avec UMass Dartmouth, applique les principes de la physique statistique aux modèles de trafic existants pour renoncer entièrement au nombre d'utilisateurs. Au lieu de cela, il peut déduire la densité du trafic et le comportement du conducteur en utilisant l'entrée d'un smartphone monté dans un seul véhicule.

La méthode au cœur de l'application, publiée l'automne dernier dans Physical Review E , traite les véhicules comme des particules dans un système à plusieurs corps. Tout comme le comportement d'un système fermé à plusieurs corps peut être compris en observant le comportement d'une particule individuelle en s'appuyant sur le théorème ergodique de la physique statistique, nous pouvons caractériser le trafic par les fluctuations de vitesse et de position d'un seul véhicule sur une route. Nous pouvons ainsi déduire le comportement et la densité du trafic sur un segment de route.

Comme beaucoup moins de données sont nécessaires, cette méthode est plus rapide et rend la gestion des données plus facile à gérer. Mais surtout, il a également le potentiel de rendre les données de trafic moins chères et accessibles à ceux qui en ont besoin.

Q :Quelles sont les parties qui bénéficieraient des nouvelles technologies ?

R :Des données de trafic plus accessibles et plus sophistiquées ne profiteraient pas seulement aux conducteurs qui recherchent des itinéraires plus fluides et plus rapides. Cela permettrait également aux départements des transports des États et des villes (DOT) d'effectuer des interventions locales et collectives qui font progresser les objectifs critiques de transport que sont l'équité, la sécurité et la durabilité.

En tant que solution de sécurité, les nouvelles technologies de collecte de données pourraient identifier les conditions de conduite dangereuses à une échelle beaucoup plus fine pour éclairer les mesures d'apaisement de la circulation. Et puisque les communautés socialement vulnérables subissent de manière disproportionnée la violence routière, ces interventions auraient l'avantage supplémentaire de répondre aux préoccupations urgentes en matière d'équité.

Il y aurait aussi un avantage environnemental. Les DOT pourraient atténuer les émissions des véhicules en identifiant les déviations infimes dans le flux de trafic. Cela leur offrirait plus de possibilités d'atténuer la marche au ralenti et la congestion qui génèrent une consommation excessive de carburant.

Comme nous l'avons vu, ces trois défis sont devenus de plus en plus aigus, en particulier dans les zones urbaines. Pourtant, les données nécessaires pour y répondre existent déjà et sont collectées par les smartphones et les appareils télématiques du monde entier. Ainsi, pour assurer un réseau routier plus sécuritaire et plus durable, il sera crucial d'intégrer ces méthodes de collecte de données dans nos prises de décision.