Ce projet d'innovation dans le domaine des villes numériques est financé et réalisé au sein d'EIT Digital, une organisation européenne de premier plan pour la transformation numérique, liée à la Commission européenne, et bénéficie de la participation de l'École polytechnique de Milan. Il vise à s'appuyer sur des recherches antérieures pour perfectionner et tester, en conditions réelles de circulation, un produit unique et commercialisable qui identifie automatiquement, en temps réel et avec une grande précision, le type de véhicule circulant sur une route et le nombre d'occupants, à l'avant comme à l'arrière.
Cette solution permettra aux autorités municipales et aux autres gestionnaires d'infrastructures de transport, tels que les exploitants de routes ou de parkings, de comprendre les schémas de mobilité et d'établir des stratégies et des politiques visant à réduire les embouteillages, à privilégier et à encourager l'utilisation des transports publics, des véhicules à occupation multiple et des véhicules à faibles émissions, avec pour conséquence l'amélioration de la fluidité du trafic, de la qualité de l'air et des niveaux de bruit.
L'identification précise et automatique des véhicules et de leurs occupants, combinée au traitement et à l'analyse des données, permettra une meilleure compréhension du trafic, l'application de réductions ou de pénalités, une tarification variable (par exemple, dans les parkings ou aux péages) et des restrictions d'accès à certaines routes, notamment dans les centres-villes, en fonction du nombre de passagers, du type de véhicule, de la plaque d'immatriculation, etc. Elle contribuera également à promouvoir l'utilisation des transports en commun, de l'autopartage, des véhicules à occupation multiple, des véhicules à faibles émissions, des parcs relais et d'autres alternatives auprès des citoyens.
Actuellement, la mise en œuvre de ce type de mesures exige un suivi et des contrôles dissuasifs de la part des autorités routières afin de garantir le respect des règles et de détecter les infractions, ce qui rend leur généralisation complexe, inefficace et peu fiable. BeCamGreen ambitionne de finaliser le développement d'un produit commercial automatisé, fiable et abordable pour répondre à un réel besoin du marché. Cette solution est de plus en plus demandée dans les appels d'offres relatifs aux infrastructures routières, notamment aux États-Unis, facilitant la création de voies réservées à certains véhicules et la mise en place de stratégies de restriction de la circulation appliquées par de nombreuses villes européennes.
Vision par ordinateur, apprentissage profond et analyse multispectrale
BeCamGreen développera une solution automatique et non intrusive grâce à l'application des dernières technologies en matière de big data, de vision artificielle, d'apprentissage profond et d'analyse multispectrale.
Indra travaillera à l'amélioration des algorithmes de traitement d'images pour la détection de personnes et de visages, développés lors de précédents projets de R&D, tels que DAVAO. Afin d'obtenir une plus grande précision, l'entreprise intégrera des équipements de vidéosurveillance perfectionnés et combinera ces algorithmes avec de nouveaux algorithmes développés pour le traitement d'images en temps réel. La solution comprendra également une analyse multispectrale, permettant la détection de la peau humaine afin d'éviter les faux positifs et les erreurs, et de différencier, par exemple, un mannequin ou d'autres types de simulations. L'objectif est d'intégrer les technologies les plus récentes, tant matérielles que logicielles, afin d'accroître la précision du système et de réduire les coûts d'investissement et d'exploitation pour les clients potentiels.
L'École polytechnique de Milan développera un moteur de traitement de données massives pour détecter et prévoir les conditions de trafic. Ce moteur exploitera et intégrera des informations en temps réel provenant de capteurs IoT, des réseaux sociaux, de diverses sources de données ouvertes et du système de vision intégré au projet. Ce moteur fournira des informations précieuses permettant aux gestionnaires de prendre des décisions, de valider et d'améliorer leurs stratégies de gestion de la mobilité.
