Le projet DYMOA+ s'inscrit dans la continuité du projet DYMOA (achevé en 2017) et a pour objectif la classification de situations de danger dans lesquelles l’usager de deux-roues motorisé (2RM) doit réaliser une manœuvre d’urgence afin d’éviter un potentiel accident. En agrégeant ces situations, il est alors possible d'identifier des zones à risques pour l’usager du 2RM.
Contexte de l'étude
L’idée principale de l’étude est d’expérimenter des techniques d’apprentissage supervisés (modèles prédictifs) sur les données de l’utilisation réelle d’un 2RM recueillies avec des EMMAPhones (enregistreurs embarqués de données placés sous la selle du 2RM) dans le projet DYMOA. En analysant les signaux enregistrés et en utilisant ces méthodes d’apprentissage, il serait envisageable de pouvoir détecter des incidents liés à l’usage du 2RM.
Cette étude a permis de montrer que ces méthodes d’apprentissage sont adaptées à la détection d'une situation de danger dans laquelle l’usager doit effectuer une manœuvre d’urgence afin d’éviter l'accident. Par ailleurs l’étude a permis de montrer que l'interprétation de ces modèles permet de retrouver des similitudes avec la méthode de détection développée dans le projet DYMOA.
Comparaison des méthodes d’apprentissage
La technique mise en place est relativement générique et très couramment utilisée dans le monde de l’apprentissage supervisé. Le succès de cette méthodologie dépend énormément de la qualité et du volume des données labellisées ainsi que de la capacité à évaluer des modèles appropriés aux caractéristiques de zones à risques. Ces modèles arrivent en très peu de temps et en utilisant peu de données à classifier les incidents et événements avec de bonnes performances. Ces modèles ont des limites car ont plus de mal à classifier la catégorie “incident” et peuvent les confondre avec la catégorie “événement”.
Localisation des zones à risque
La méthode utilisée permet d’identifier des zones potentiellement à risque en considérant l’accumulation d'incidents et d’événements à proximité d’endroits où il y a eu un accident corporel identifié dans les fichiers BAAC. La technique d’identification de zone d'accumulation semble efficace et la distance a un effet direct sur le nombre de cas identifiés dans cette zone cible. Il semble judicieux de ne pas dépasser une distance de 100 m, voire même 50 mètres en agglomération afin de ne pas comptabiliser des événements qui ne se sont pas déroulés sur la même infrastructure. L’analyse de ces zones n’a pas permis d’établir de liens évidents entre les incidents et accidents.
Les limites de l'étude
Plusieurs interprétations peuvent être faites concernant les limites de cette étude :
- Présence d’un biais de sélection dépendant du volume de passages de la flotte instrumentée sur le réseau routier ;
- Nécessité de normaliser par rapport à la fréquentation afin de pouvoir conclure sur le caractère zone à risque de la zone d’étude ;
- Manque d’information de contexte rendant le travail d’identification de lien de causalité difficile ;
- Nécessité d'un volume d’usage de 2RM important afin de pouvoir avoir des réponses statistiquement valides.
Malgré les limitations évoquées ci-dessus, cette méthode peut être utilisée afin de mettre en lumière des zones d'intérêt qui pourront être analysées plus en profondeur avec l’expertise humaine.