L’IA peut-elle améliorer la fluidité du trafic ? Explorer les succès et les échecs du feu vert de Google

Mis à jour sur August 19, 2024 3 MINUTES LIRE

Les premiers tests d’un nouveau système d’apprentissage automatique par Google se sont révélés prometteurs dans l’amélioration des modèles de feux de circulation. Le projet Green Light modélise les modèles de trafic pour fournir des séquences de feux de circulation optimales en utilisant l’apprentissage automatique et l’intelligence artificielle. Selon Scientific American, les premières expériences ont conduit à une amélioration quelque peu fluidité du trafic sur certaines routes encombrées de Seattle. Les autorités des transports de Seattle ont déclaré que Green Light avait vérifié les emplacements connus des étranglements, aidé à détecter les goulots d’étranglement de la circulation et proposé des recommandations pratiques.

Le programme d’essai Green Light de Google, lancé à l’automne 2023, est testé dans des métropoles à fort trafic comme Rio de Janeiro et Calcutta, ainsi qu’à Seattle et dans douze autres villes, dont Hambourg. Au cours de ces expériences, les séquences de feux de circulation sont modifiées par les ingénieurs de la circulation locaux sur la base des recommandations du système. Les objectifs de l’initiative sont de réduire les temps d’attente aux feux de circulation, d’améliorer la circulation sur les routes principales et aux intersections et, à terme, de réduire les émissions de gaz à effet de serre. Selon Google, des recherches préliminaires suggèrent que les émissions de CO2 pourraient être réduites de 10 % et les arrêts aux feux tricolores pourraient être réduits. jusqu’à 30 %.

À la base, Green Light est un modèle d’intelligence artificielle (IA) personnalisé pour chaque intersection, en tenant compte d’éléments tels que son tracé, ses habitudes de conduite et d’arrêt, les horaires des feux de circulation et l’interaction entre les systèmes de signalisation et de circulation. La technologie crée des recommandations basées sur ces modèles, auxquelles les urbanistes peuvent accéder via une interface dédiée. Le fait que le projet n’ait pas besoin de capteurs fixes coûteux ou d’une surveillance continue sur site est un avantage considérable. Au lieu de cela, il utilise les données de trafic Google Maps déjà existantes, collectées auprès des voitures en mouvement et des utilisateurs de smartphones qui servent de « capteurs mobiles ».

Cependant, les suggestions de Green Light ne sont pas toujours fiables. Le directeur de l’Institut de recherche sur les transports de l’Université du Michigan, Henry Liu, est plus prudent quant à la technologie. Bien que Green Light ait réussi à réduire les temps d’attente aux intersections de Birmingham de 20 à 30 pour cent, Liu souligne que le degré d’efficacité varie en fonction du point de départ. À Birmingham, par exemple, les feux de circulation suivent des horaires fixes basés sur des informations routières désuètes. Les bénéfices pour l’environnement sont également discutables car, selon les données gouvernementales, les voitures au ralenti et les embouteillages ne représentent qu’environ 2 % des émissions liées au trafic dans le pays. États-Unis. En réalité, les voitures qui roulent plus vite que la limite de vitesse consomment beaucoup plus de carburant que les voitures arrêtées aux feux rouges.

De plus, Green Light ne prend pas en compte des éléments complexes qui peuvent conduire à des recommandations moins utiles, comme le franchissement de voies réservées aux bus et aux vélos, les tramways ou les passages pour piétons très fréquentés. Un ajustement des feux de circulation à Seattle a dû être annulé car il s’est finalement révélé inefficace. Une autre ville test, Manchester, compte des ingénieurs de la circulation qui décident régulièrement d’ignorer les conseils de Google, car les feux de circulation y sont parfois délibérément programmés pour favoriser les bus ou pour obliger les navetteurs des zones résidentielles à prendre en compte le temps supplémentaire. La stratégie de l’IA consistant à réduire les arrêts aux passages à niveau peut jouer contre elle dans certaines situations.