L'intelligence artificielle assure la sécurité routière au tunnel routier du San Bernardino

L'intelligence artificielle peut-elle rendre les tunnels routiers plus sûrs et plus efficaces ? Les systèmes VHD (Vehicle Hotspot Detection) de SICK installés aux entrées nord et sud du tunnel du San Bernardino répondent à cette question par un "oui" catégorique. Grâce au deep learning, ils ont été entraînés à distinguer les moyeux de roues de véhicules qui chauffent dangereusement des pots d'échappement chauds mais sans risque d’inflammation. Résultat : une sécurité accrue, moins de fausses alertes et une fluidité optimale du trafic.

"Les systèmes VHD de SICK sont utilisés pour détecter les camions et les bus dont les surfaces sont trop chaudes, "inflammables" au sens propre du terme, avant qu'ils n'entrent dans un tunnel, un ferry, un terminal de chargement ou un poste de contrôle du trafic", explique Lukas Wallimann, chef de produit VHD chez SICK à Buochs, en Suisse. Pour ce faire, le système combine les images de caméras infrarouges avec les données de mesure de capteurs LiDAR 2D.

The VHD system from SICK detects overheated surfaces.

Il mesure ainsi les températures des véhicules et détermine leurs dimensions afin de créer un modèle 3D - sur lequel les différentes zones du véhicule, comme les roues, le moteur, le pot d'échappement ou le compartiment de chargement peuvent être identifiées automatiquement. "De tels systèmes ont été installés dans toute l'Europe au cours des dix dernières années, notamment dans les tunnels du Mont-Blanc et du Saint-Gothard", explique Christoph Gilgen, chef de projet client chez SICK. Italo Broggini, de l'Office fédéral suisse des routes (OFROU), filiale de Bellinzone, confirme que les systèmes VHD s'avèrent dans la pratique être une mesure de sécurité fiable contre les incendies de véhicules dans les tunnels : "Le Thermoportal du San Bernardino nous aide à retirer de la circulation les véhicules en surchauffe et contribue ainsi à la sécurité des tunnels".

The thermal portal on the San Bernardino helps to remove overheated vehicles from traffic, thus contributing to tunnel safety.

Le Thermoportal du San Bernardino aide à retirer de la circulation les véhicules en surchauffe et contribue ainsi à la sécurité du tunnel.

Encore une "marge de progression" pour la qualité des alarmes

Les systèmes VHD sont donc efficaces. Mais pour les rendre encore plus efficaces, il s'agissait d'améliorer encore la qualité et la précision des alarmes. Une condition indispensable pour le projet San Bernardino, car les pompiers du tunnel ne sont stationnés qu'au portail sud. Si le portail thermique situé à l'entrée nord du tunnel, distante d'environ sept kilomètres, signale une alarme, les forces d'intervention doivent se déplacer pendant un certain temps pour atteindre le véhicule dangereux. Les fausses alarmes, déclenchées par exemple par un pot d'échappement chaud, entraînent donc des interventions inutiles des pompiers. Mais de quelle "marge de progression" disposent les systèmes VHD pour améliorer la qualité des alarmes - et comment ce potentiel peut-il être exploité pour une plus grande efficacité ?

L'intelligence artificielle améliore la qualité des alarmes de la VHD.

Il s'agit donc de la précision du système. Comment peut-on l'améliorer ? Simplement avec des capteurs supplémentaires ? Ou faut-il de nouveaux algorithmes permettant d'identifier et de distinguer plus sûrement les sources d'incendie possibles sur les véhicules ?

"La solution nous est fournie par l'intelligence artificielle, plus précisément par le deep learning", explique Roman Schindler, ingénieur logiciel du CNN chez SICK. Le "CNN" n'a cependant rien à voir avec la chaîne d'information américaine, mais signifie "Convolutional Neural Network" - un réseau neuronal artificiel inspiré des processus biologiques et principalement utilisé pour le traitement automatique des données d'images. Un avantage particulier de ce procédé est son faible taux d'erreur - ce qui devait se confirmer lors de l'utilisation des systèmes VHD avec l'algorithme de CNN.

Thousands of thermal images were analyzed to keep the error rate as low as possible.

Dans l’espace d’apprentissage du système VHD, des milliers d'images thermiques ont été analysées pendant quatre mois, ce qui a permis d'entraîner l'algorithme CNN.

Apprendre en s'entraînant, apprendre à partir des images

Pendant quatre mois, le système VHD a été en phase d'entraînement. "Pendant cette période, des milliers d'images thermiques d'installations déjà existantes ont été collectées, analysées, classées manuellement, puis l'algorithme CNN a été entraîné", explique Roman Schindler pour décrire le processus de développement. En outre, SICK a passé en revue toutes les alarmes des derniers mois avec le commandant du service de lutte contre les sinistres de San Bernardino, afin de filtrer les fausses alarmes réelles parmi tous les messages d'alarme.

Cette revue a également profité à l'algorithme CNN. Le nouveau procédé a permis d'améliorer considérablement la capacité à distinguer les différentes zones du véhicule comme les roues, le moteur ou le pot d'échappement. "Au tunnel du San Bernardino, où le nouvel algorithme a été testé pour la première fois en conditions réelles, un faible taux de fausses alertes a été constaté", explique Christoph Gilgen. "Il s'agit d'une amélioration plus que significative par rapport à l'algorithme conventionnel qui fonctionne en arrière-plan dans les thermoportails de ce lieu en tant que sauvegarde".

Overheated vehicles are taken out of service.

Les véhicules en surchauffe sont retirés de la circulation.

Algorithme CNN : mise à niveau possible des portails existants

"Grâce au bon taux de fausses alertes, il y a moins d'interventions inutiles, ce qui permet de réduire les coûts et d'augmenter la motivation du personnel en cas d'alerte", souligne Italo Broggini de l'OFROU pour souligner un autre aspect positif. Il n'est donc pas étonnant que les exploitants de systèmes VHD déjà existants soient "brûlants" d'intérêt pour une mise à niveau de leurs installations. "Une telle mise à niveau avec l'algorithme CNN est en principe possible, d'autant plus qu'il ne s'agit en fin de compte que d'une mise à jour logicielle", explique Lukas Wallimann, qui ajoute : "Les systèmes VHD nouvellement commandés en sont de toute façon équipés dès le départ. Le client profite ainsi de la longue expérience de SICK dans la mesure thermique des véhicules, sans avoir à investir davantage que pour l'algorithme conventionnel".

Même les systèmes VHD "n'apprennent jamais".

Mais l'algorithme CNN n'en restera pas là, car de nouvelles données d'image et de nouveaux cycles d'entraînement amélioreront encore les performances du système. "Les systèmes VHD n'ont donc jamais fini d'apprendre", résume Roman Schindler. En outre, de nouveaux champs d'application connexes sont également ouverts pour eux. Ainsi, SICK travaille à un perfectionnement du système VHD pour les terminaux de ferry, afin de pouvoir détecter les points chauds des groupes frigorifiques sur les camions. Plus d'efficacité pour les systèmes VHD grâce au nouvel algorithme CNN : le début est fait - pas de fin en vue.