Vers un modèle proactif pour identifier des risques de trafic

La securite routiere prend de plus en plus d’importance dans de nombreux pays. En mettant l'accent sur la prevention des accidents sur les autoroutes, nous proposons une methodologie pour identifier les risques en utilisant des modeles de regression logistique. La caracteristique novatrice de cette methodologie reside dans l’evaluation des risques de trafic par rapport a differentes regimes de trafic obtenues par des Cartes Auto-Organisatrices (Self-Organizing Maps - SOM). Nous agregeons les donnees de trafic et les donnees meteorologiques pour produire des etats de trafic pour des intervalles de 5 minutes, que nous appelons des situations de trafic. En utilisant l'analyse en composantes principales (ACP), qui permet de reduire le nombre de dimensions et de supprimer le bruit aleatoire des donnees, nous transformons les situations de trafic pour le processus de regroupement par les SOM. Ce processus de regroupement produit des groupes de situations de trafic similaires que l'on appelle des regimes de trafic. De la base de donnees des accidents, nous determinons les situations de trafic qui precedent les collisions, appelees situations pre-accidentelles. Avec les resultats de regroupement obtenus, nous classons les situations pre-accidentelles dans des regimes de trafic. Pour chaque regime de trafic, nous developpons un modele de regression logistique pour identifier les situations a risque. Les resultats montrent que les modeles peuvent identifier correctement un pourcentage eleve de situations a risque, tandis que le taux de fausse detection est faible.