Détection automatique par IA pour caractériser le transport de matières dangereuses (TMD) Cas du tunnel de Schirmeck

Etude et rapport

KLOCKENBRING, Dimitri | Cerema. Centre d'études et d'expertise sur les risques, l'environnement, la mobilité et l'aménagement (Administration). Auteur

Commanditaire : Université de Strasbourg ; Cerema. Centre d'études et d'expertise sur les risques, l'environnement, la mobilité et l'aménagement

Pour assurer la sécurité du trafic à l’intérieur des tunnels, la surveillance des véhicules transportant des marchandises dangereuses (TMD) est un enjeu réglementaire. L’analyse des plaques spécifiques situées à l'arrière des véhicules permet de déterminer ce qui transite dans le tunnel. À l’heure actuelle, la Collectivité européenne d’Alsace (CeA), gestionnaire du tunnel de Schirmeck (67),...
Pour assurer la sécurité du trafic à l’intérieur des tunnels, la surveillance des véhicules transportant des marchandises dangereuses (TMD) est un enjeu réglementaire. L’analyse des plaques spécifiques situées à l'arrière des véhicules permet de déterminer ce qui transite dans le tunnel. À l’heure actuelle, la Collectivité européenne d’Alsace (CeA), gestionnaire du tunnel de Schirmeck (67), effectue ces comptages ponctuellement et manuellement, en observant le trafic sur le terrain ou sur bande de vidéosurveillance. Un projet d’automatisation des comptages a été proposé par l’équipe de recherche ENDSUM de Strasbourg. L’enjeu est de fiabiliser les comptages et d’obtenir des statistiques quotidiennes, donc plus représentatives. À cette fin, deux caméras ont été installées sur site en octobre 2021. Elles permettent d’acquérir de courtes séquences d’images, à partir desquelles on souhaite détecter et identifier automatiquement les plaques TMD par des méthodes d’apprentissage profond.

En lire plus

Chargement des enrichissements...