La détection et le tracking des véhicules sur les sections d'autoroutes

Dans cet article, nous examinerons les méthodes et les technologies employées pour la détection et le suivi des véhicules sur les sections d’autoroutes. 

Grâce aux caméras installées le long des routes, il est possible de surveiller le trafic en temps réel, d’améliorer la gestion du flux des véhicules, de renforcer la sécurité et de veiller au respect des réglementations 🛣️. 

Pourquoi installer des caméras le long des routes ! 

Les caméras de surveillance jouent un rôle essentiel dans le suivi et la gestion du trafic routier.

Elles permettent aux opérateurs de détecter automatiquement les embouteillages, les contresens, et les situations d’urgence depuis les centres de contrôle, comme le centre CESAR du réseau AREA. 

En plus de la surveillance, elles sont utilisées pour évaluer l’efficacité des réglementations en place, telles que le respect des panneaux de signalisation, des limitations de vitesse, ou encore des restrictions de circulation spécifiques aux poids lourds sur certaines voies. 

Analyse de la voie de covoiturage (VR2+) sur l’A48 à Grenoble 

Pour illustrer l’utilisation de ces technologies, nous avons appliqué notre étude à la voie réservée au covoiturage (VR2+) sur l’A48 à Grenoble. 

Cette voie est exclusivement réservée aux véhicules transportant au moins deux personnes, et son activation est gérée à distance par un opérateur, seulement durant les heures de pointe. 

Elle est interdite aux poids lourds et aux bus et limitée à une vitesse de 50 km/h. 

L’objectif de cette étude est de mesurer les différences de vitesse et les changements de voie pendant l'activation de la VR2+. 

Nous avons donc analysé le nombre de véhicules passant de la voie médiane à la VR2+ et inversement, ainsi que ceux traversant toutes les voies pour accéder à l'échangeur le plus proche 📊. 

Collecte et traitement des données 

Pour mener à bien cette étude, nous avons utilisé un ensemble de données vidéo collectées par sept caméras stratégiquement placées autour de l'échangeur, avec quatre caméras avant et trois après celui-ci. 

Ces données comprenaient initialement 28 heures de vidéo, utilisées pour tester les algorithmes, représentant environ 3 millions d’images, soit 35 gigaoctets d’informations. 

Le projet complet prévoit l’analyse de 140 heures de vidéo, réparties sur 10 jours d’observation (2 heures par jour et par caméra). 

Les mesures initiales ont été effectuées les 15 et 16 février 2024, durant les heures de pointe matinale, de 7 h à 9 h. 

Détection et suivi des véhicules 

Le processus de détection et de suivi des véhicules repose sur l’utilisation des réseaux de neurones convolutifs (CNN), combinant des techniques avancées d’extraction de caractéristiques et d’association d’objets. 

Après le prétraitement, qui comprend notamment le redimensionnement des images à une taille standard, l'algorithme identifie les véhicules en analysant les bords, contours, couleurs, et les relations entre objets. 

Des boîtes englobantes sont générées autour des véhicules détectés, accompagnées de scores de confiance et de classifications (voiture, bus, camion, etc.). Un algorithme de suivi, appelé Byte Track associe ensuite les objets détectés sur chaque image avec ceux des images précédentes, assurant une traçabilité continue des véhicules, même en cas de changement d’angle de caméra. 

Cette approche garantit une détection précise et un suivi fluide des véhicules sur de longues distances 🎯. 

Calcul des trajectoires et vitesses 

L’étape suivante consiste à utiliser les données de détection pour suivre les trajectoires des véhicules et déterminer leur vitesse. 

Une transformation homographique, déterminée lors d’une phase d’ajustement des caméras et optimisée grâce à un algorithme de calibrage semi-automatique, convertit les points de l’image vers un référentiel routier. Cela permet une analyse précise des mouvements des véhicules, en corrigeant les effets de perspective.  

Les trajectoires sont ensuite tracées sur des graphiques, visualisant les changements de voie et les variations de vitesse. Cette analyse permet de détecter les comportements à risque, tels que les changements brusques de voie ou les excès de vitesse. 

Analyse des comportements des usagers 

La vitesse des véhicules est calculée en utilisant les points de trajectoire observés sur une certaine distance dans une zone de mesure spécifique. 

Les résultats montrent que les conducteurs respectent rarement les limitations de vitesse en dehors des périodes de congestion.  

Ces données sont ensuite utilisées pour produire des rapports détaillés sur les comportements des usagers, essentiels pour améliorer la sécurité routière et optimiser la gestion du trafic. 

Suivi des véhicules intercaméra 

Le champ de vision d’une caméra étant limité à environ 200 mètres, l’analyse des comportements sur un unique point de vue ne suffit pas pour capter l’ensemble des mouvements des véhicules, surtout lorsque ceux-ci anticipent leur trajectoire bien en amont (plus de 500 mètres, par exemple). 

Pour pallier cette limitation, il est nécessaire de suivre les trajectoires des véhicules sur plusieurs caméras consécutives, placées tous les 200 mètres, afin d’analyser les mouvements les plus longs et complexes.

Le suivi intercaméra nécessite un recalage spatial et temporel afin d’aligner correctement les trajectoires et d’assurer une association précise des véhicules entre les caméras :   

• Recalage spatial : ce processus ajuste les référentiels de chaque caméra pour garantir une continuité logique des trajectoires. On effectue une translation des axes pour aligner les points de référence de chaque caméra. Par exemple, on prend le point 0 de la première caméra comme référence, et on ajuste les autres caméras par rapport à cette base. 

• Recalage en axes transverses : l’objectif est de garantir que chaque voie soit correctement alignée perpendiculairement au sens de circulation. Dans notre cas, nous prenons toujours comme référence (le “0”) la ligne de rive gauche de la route, soit celle la plus proche du terre-plein central. 

• Recalage temporel : les vidéos ne sont pas toujours synchronisées, avec une variation de quelques secondes dans le démarrage de l'enregistrement de chaque caméra. De plus, les caméras peuvent avoir un nombre d’images par seconde différent, en particulier selon les conditions (jour/nuit). Il est donc crucial de recaler le temps réel de chaque caméra en tenant compte de son framerate pour assurer un suivi cohérent des véhicules. 

Synchronisation des trajectoires : 

Une fois les référentiels recalés, l’objectif est de reconstituer les trajectoires globales des véhicules pour qu’elles suivent une continuité logique d’une caméra à l'autre. Cette étape est cruciale pour garantir une analyse cohérente des mouvements sur l’ensemble du réseau de caméras : 

• Calcul des points de rencontre : pour chaque paire de trajectoires, nous calculons les points et moments potentiels de rencontre, en tenant compte de la vitesse des véhicules et des changements de voie. Cette analyse permet d’anticiper et de gérer les situations où les trajectoires se croisent ou se superposent. 

• Association des trajectoires : les trajectoires sont associées de manière progressive. D’abord celles qui n'ont pas de candidats proches, avec des passes successives pour affiner les associations en fonction des critères de distance et de cohérence temporelle. L’un des principaux défis est de gérer les incohérences lorsque les véhicules se doublent (modifiant l’ordre de passage entre les caméras) ou changent de voie. Ce processus devient encore plus complexe lorsque les véhicules sont temporairement masqués par des poids lourds, nécessitant des hypothèses sur leur position future. 

• Vérifications des données : pour garantir que chaque trajectoire correspond bien au même véhicule, des systèmes de comptage au sol et des vérifications visuelles des vidéos sont utilisés pour confirmer les associations. Néanmoins, certains cas restent particulièrement difficiles à traiter, notamment lorsque les véhicules n’ont pas une vitesse stable. C’est souvent le cas dans les bouchons, où les arrêts fréquents et imprévisibles compliquent l'évaluation de la continuité des trajectoires.   

En résumé 

La détection et le tracking des véhicules sur les sections d'autoroutes offrent des perspectives innovantes pour la gestion du trafic et la sécurité routière. 

Grâce à l’utilisation de caméras et des technologies avancées de traitement d’images, il est possible de surveiller en temps réel les flux de circulation, de détecter rapidement les incidents et d’analyser les comportements des usagers. 

L’étude menée sur la voie réservée au covoiturage sur l’A48 à Grenoble illustre comment ces systèmes peuvent améliorer la fluidité du trafic et évaluer l’efficacité des mesures de régulation, comme les limitations de vitesse et les restrictions de voies. 

Les résultats obtenus montrent des possibilités d’optimisation des infrastructures routières en ajustant les stratégies de gestion en fonction des données collectées. Ces avancées technologiques sont essentielles pour répondre aux défis croissants du trafic sur les autoroutes et contribuer à des réseaux routiers plus sûrs, plus efficaces et mieux régulés 👏🏼. 

Perspectives et développements futurs 

De nouvelles voies de covoiturage (VR2+) sont en cours de construction sur l’A6 et l’A42 à l’approche de Lyon, avec des évaluations régulières pour assurer leur sécurité. 

De plus, de nouvelles réglementations pourraient imposer le suivi des transports de matières dangereuses dans les tunnels, ce qui nécessitera des avancées technologiques pour identifier ces véhicules de manière fiable.