L'utilisation de l'intelligence artificielle pour améliorer la priorité accordée aux bus au carrefour d'Abbey Bridge, à Worcester

Solution

Pour répondre à ce besoin, le Worcestershire County Council a déployé les capteurs multimodaux Insight Vision AI de Clearview Intelligence à Abbey Bridge Junction. Ces capteurs utilisent des techniques avancées d'apprentissage automatique et de vision par ordinateur pour détecter, classer et suivre en temps réel les différents usagers de la route, y compris les bus, le trafic général, les cyclistes et les piétons.

Le système a été configuré pour établir des durées de trajet sur chaque approche de carrefour, ce qui a permis au Conseil de mesurer le temps nécessaire aux véhicules, et en particulier aux bus, pour traverser le corridor. Des zones spécialisées de détection et d'occupation des bus ont été créées pour identifier le moment où un bus s'approche du carrefour et pour estimer la demande des passagers. Cela a permis à l'équipe de quantifier la fréquence des “appels de détresse” prioritaires pouvant être envoyés au contrôleur de trafic et de tester la logique permettant d'ajuster dynamiquement le comportement des signaux en réponse à la demande.
la demande réelle.

Toutes les données capturées sont hébergées en toute sécurité sur la plateforme Insight, qui intègre l'analyse de la vision, les données des véhicules flottants et les mesures de performance de la signalisation dans un environnement unique et indépendant des données. Cela permet de créer une base de données cohérente, vérifiable et défendable, garantissant que les décisions d'investissement et l'élaboration des politiques reposent sur des données solides et transparentes.

Les défis

• Le carrefour d'Abbey Bridge est un carrefour à quatre branches très fréquenté, situé sur un couloir de bus important. Chaque approche dessert des trajets d'environ 800 m à 1,2 km, transportant un mélange complexe d'autobus, de véhicules privés, de piétons et de cyclistes.
• Historiquement, les retards des bus au carrefour pouvaient être causés par une variété de facteurs, y compris le retard des signaux, la congestion, le temps d'embarquement des passagers et la pression générale du trafic. En l'absence de données classifiées de haute qualité sur les mouvements, il était difficile de distinguer les véritables retards dus à la congestion des temps de séjour opérationnels normaux, ce qui limitait la capacité du Conseil à concevoir des interventions ciblées et efficaces.
• Le Conseil avait besoin d'une solution capable de capturer des données très précises sur les mouvements multimodaux, de comprendre l'occupation du réseau en fonction de la classification et de la demande, et d'introduire ces informations dans un système capable d'influencer dynamiquement les horaires des signaux en fonction des conditions réelles.

Conclusion

Le PoC d'Abbey Bridge Junction démontre une voie pratique et peu risquée pour fournir une priorité aux bus basée sur des données. En combinant la détection de vision alimentée par l'IA avec l'optimisation dynamique de la signalisation, le conseil du comté du Worcestershire élabore une approche évolutive et fondée sur des données probantes pour améliorer la fiabilité des bus tout en préservant la performance globale du réseau.