Les systèmes de transport intelligents (STI) sont censés avoir un impact positif sur la société. Par exemple, ils sont utilisés pour aider à réduire la congestion du trafic, les accidents de la route et la pollution de l'air, qui ont tous un impact direct sur le bien-être général.

Ce projet vise à développer à la fois un cadre et une méthodologie pour le suivi des données hétérogènes du trafic. L'accent est mis sur le développement de modèles orientés données pour l'imputation, l'interpolation et la prévision des données de trafic, ainsi que sur la fourniture d'outils intuitifs et de visualisations pour l'étude de la situation du trafic et de son évolution au niveau d'une zone métropolitaine, avec Bruxelles comme cas d'utilisation central.

L'objectif est de fournir aux autorités publiques et aux gestionnaires d'infrastructures les outils nécessaires pour mieux comprendre et quantifier l'impact de leurs politiques sur le bien-être de leurs citoyens. De même, à l'inverse, le projet offre un moyen de diffuser l'impact des choix politiques au grand public, ce qui permet aux citoyens de les adopter plus facilement.

Les données relatives au trafic se présentent sous de nombreuses formes, allant des reconnaissances individuelles par les caméras ANPR aux données flottantes sur les voitures fournies par les grands fournisseurs de données. Le défi consiste à anonymiser, centraliser et fusionner correctement ces différentes données afin de produire des informations plus précises et plus utiles que celles fournies par une seule source de données.



Financé par INNOVIRIS

Partenaires : 

• ULB: Machine Learning Group (MLG)

• VUB: Electronics and Informatics Department (ETRO)

Retour