Comment les futures voitures prédiront vos manœuvres de conduite avant que vous ne les fassiez

Achetez une nouvelle voiture ces jours-ci et il y a de fortes chances qu'elle soit équipée d'un éventail de technologies d'assistance à la conduite. Ceux-ci peuvent s'adapter à la vitesse d'une voiture devant vous, gérer les changements de voie en toute sécurité et même appliquer les freins pour aider à prévenir une collision. Une question intéressante est donc de savoir dans quelle mesure ces systèmes de sécurité peuvent s'améliorer avant que l'inévitable ne se produise et que la voiture ne prenne complètement le relais.

Aujourd'hui, nous obtenons une réponse partielle grâce au travail d'Ashesh Jain de l'Université Cornell et de quelques amis, qui ont développé un système capable de prédire la prochaine manœuvre d'un conducteur humain environ trois secondes avant qu'il ne la fasse. Ces informations, disent-ils, peuvent ensuite être utilisées pour identifier et prévenir les accidents potentiels.

L'approche est simple en théorie. Jain et co soulignent qu'une connaissance approfondie de l'environnement de conduite, à la fois à l'intérieur et à l'extérieur de la voiture, peut être utilisée pour deviner assez bien les intentions immédiates du conducteur. Par exemple, les conducteurs vérifient généralement les voies à côté d'eux avant de changer de voie. Ainsi, la surveillance des mouvements de la tête du conducteur permet de prédire si le conducteur a l'intention de changer de voie dans les prochaines secondes.

De même, les informations du GPS et de la carte routière indiquent quand une voiture approche d'une intersection où un virage à gauche ou à droite devient une option. Et la vitesse est également un indicateur important, car les conducteurs ralentissent généralement avant d'effectuer un virage.

Mais ces données sont disparates. Les données de mouvement de la tête sont entièrement différentes des données de vitesse ou des données cartographiques. La difficulté est de combiner et d'analyser ces flux d'informations d'une manière qui permette de faire de bonnes prédictions.

La solution que Jain et co ont trouvée consiste à analyser ces flux ensemble à l'aide d'algorithmes d'intelligence artificielle avancés qui apprennent à repérer les signes révélateurs qu'une manœuvre est imminente.

La première partie de leur travail consistait à rassembler les données nécessaires pour entraîner leur machine. Jain et co ont équipé une voiture d'une caméra pour surveiller le conducteur et d'une autre pour surveiller l'avancée de la route. Ils ont également utilisé des données GPS ainsi que des cartes routières et un enregistreur de vitesse pour suivre la vitesse du véhicule.

Ils ont ensuite recueilli des données auprès de 10 conducteurs différents qui ont parcouru plus de 1 000 milles d'autoroute et de conduite en ville pendant deux mois. Ils ont annoté les données à la main pour indiquer quelles manœuvres se produisaient. Au total, ils ont identifié 700 événements : quelque 300 changements de voie, 130 virages et près de 300 cas de conduite en ligne droite choisis au hasard.

Ils ont utilisé ces données pour former un certain nombre de machines à calculer différentes afin d'identifier les conditions dans lesquelles un conducteur tournerait à gauche ou à droite, changerait de voie à gauche ou à droite ou continuerait simplement à conduire en ligne droite.

Les résultats rendent la lecture intéressante. L'algorithme le plus performant était capable de déterminer correctement une future manœuvre la plupart du temps - environ 90 % de ses prédictions étaient correctes. Et en moyenne, il a pu faire sa prédiction 3,5 secondes avant que la manœuvre ne se produise réellement.

Bien sûr, il y a encore du travail à faire. Un problème potentiel est de déterminer dans quelle mesure l'algorithme fonctionne dans les conditions de conduite les plus dangereuses, en particulier la nuit ou lorsque la visibilité est mauvaise en raison de tempêtes de neige ou de pluie ou lorsque le soleil est bas dans le ciel.

Les accidents sont plus probables dans ces conditions, donc un algorithme prédictif pourrait avoir le plus d'avantages. Mais comment le système fonctionne dans ces conditions n'est pas clair.

Une autre question est de savoir quoi faire de ces informations une fois qu'elles ont été recueillies. Comment l'utiliser pour prévenir les accidents ? Encore une fois, on ne sait pas comment les constructeurs automobiles peuvent exploiter les données.

Néanmoins, la nouvelle approche pourrait annoncer un changement intéressant dans l'approche de la sécurité des conducteurs. Une prédiction précise des manœuvres du conducteur contribuera sûrement à rendre les voitures plus sûres dans un proche avenir. À moins, bien sûr, que la technologie des voitures autonomes ne rende les humains – et la technologie permettant de prédire ce qu'ils feront à l'avenir – redondants plus rapidement que quiconque ne le pense.

Réf : http://arxiv.org/abs/1601.00740 : Brain4Cars : une voiture qui sait avant vous grâce à l'architecture d'apprentissage en profondeur Sensory-Fusion

cacher