Prédire la circulation à l'aide de l'apprentissage machine

La Ville de Montréal (la Ville) possède et gère plus de 2 500 feux de circulation sur son territoire. Plusieurs systèmes simples et complexes sont actuellement en place actuellement afin de gérer dynamiquement les feux de circulation, par exemple des systèmes adaptatifs. Évidemment, les systèmes complexes sont performants, mais également plus dispendieux à l’achat, au déploiement et en frais de maintenance. Ils nécessitent habituellement de déployer des équipements de détection à toutes les approches d’une intersection à contrôler. Notre vision est de créer un système simplifié, moins coûteux et flexible. Ce système sera peut-être légèrement moins performant au départ, mais offrira plus de potentiel d’amélioration. L’approche de la Ville est d’utiliser une technique de gestion des feux de circulation existante, en l’occurrence le TRP (Traffic Responsive Plan), bien maîtrisée et d’y ajouter un volet de prédiction. En utilisant la prédiction des débits de circulation, on prévoit que les feux de circulation soient proactifs sur le trafic plutôt qu’en réaction à ce dernier. La technique de prédiction présentement utilisée est l’apprentissage machine et s’alimente à partir d’un flux de données temps-réel Internet des Objets (IdO) issu de plusieurs détecteurs véhiculaires. La technique d’apprentissage machine utilisée est eXtreme Gradient Boosting, XGBoost, (Chen & Guestrin, 2016) et sa performance est évaluée à l’aide de l’erreur moyenne absolue (mean absolute error, MAE). Nous présenterons les différentes phases du projet, l’étape à laquelle nous sommes rendus, ainsi que les différentes équipes impliquées à chaque étape. Sera aussi démontré le potentiel d’amélioration qu’apporte l’apprentissage machine en comparaison des autres techniques de gestion des feux de circulation.

• Record URL:
  https://www.tac-atc.ca/sites/default/files/conf_papers/audeto-communicationpredictiontrafic-v1.pdf
• Corporate Authors:

  Transportation Association of Canada (TAC)

  401-1111 Prince of Wales Drive
  Ottawa, Ontario  Canada 
• Authors:
  • Audet, O
  • O'Carroll, P
• Conference:
  • Transportation Association of Canada and ITS Canada 2019 Joint Conference and Exhibition
• Publication Date: 2019

Language

• French

Media Info

• Media Type: Web
• Pagination: 1 fiche en PDF, 3.3 MB, 21p.
• Monograph Title: Transportation Association of Canada and ITS Canada 2019 Joint Conference and Exhibition

Subject/Index Terms

• TRT Terms: Artificial intelligence; Conferences; Intelligent transportation systems; Traffic control; Traffic signals; Urban areas
• Geographic Terms: Canada
• ITRD Terms: 8018: Canada; 8525: Conference; 8636: Intelligence artificielle; 8715: Internet des objets; 654: Regulation (trafic); 565: Signal lumineux; 8735: Systeme de transport intelligent; 313: Zone urbaine
• Subject Areas: Operations and Traffic Management;

Filing Info

• Accession Number: 01730396
• Record Type: Publication
• Source Agency: Transportation Association of Canada (TAC)
• Files: ITRD, TAC
• Created Date: Feb 4 2020 2:59PM