fr.wedoany.com Rapport : Le 11 juin, l'entreprise canadienne de technologies de transport intelligent Miovision a présenté à Détroit, aux États-Unis, son application de grand modèle de langage destinée à l'ingénierie du trafic. Ce système permet aux gestionnaires de trafic d'interroger, en langage naturel, les données relatives aux intersections, aux feux de signalisation, à la circulation routière et à la sécurité, réduisant ainsi à quelques minutes des tâches qui nécessitaient auparavant une collecte, une exportation, une analyse et une tabulation manuelles. Les démonstrations montrent que l'efficacité de la gestion du trafic peut être multipliée par cent par rapport aux méthodes traditionnelles.
Les systèmes de transport urbain génèrent chaque jour une grande quantité de données dispersées, notamment le volume de trafic, la longueur des files d'attente, les temps de signalisation, le fonctionnement des bus, les traversées piétonnes, les risques de collision, les interventions d'urgence et les anomalies aux intersections. Les ingénieurs du trafic traditionnels doivent extraire des données de différentes plateformes, puis les analyser à l'aide de tableaux, de graphiques et de leur expérience de terrain. L'application de grand modèle de langage de Miovision intègre ces données complexes dans une interface conversationnelle. Les ingénieurs peuvent poser directement des questions, par exemple quelles intersections présentent les retards les plus élevés, quelles périodes sont anormalement congestionnées, ou quels plans de signalisation doivent être ajustés en priorité. Le système génère ensuite des graphiques, des cartes, des indicateurs de sécurité et des résumés de gestion.
L'importance de ces outils réside dans le passage de la « consultation manuelle des données » à un « diagnostic assisté par l'IA » dans la gestion du trafic. Pour les services de transport urbain, le véritable goulot d'étranglement n'est souvent pas le manque d'équipements, mais la surabondance de données accumulées par les caméras, les détecteurs, les feux de signalisation et les plateformes de transport, que les ingénieurs peinent à assimiler en temps utile. Une fois que les grands modèles de langage intègrent les processus d'ingénierie du trafic, ils peuvent d'abord effectuer la recherche de données, le résumé des tendances, l'identification des anomalies et la génération de rapports, avant que les professionnels ne décident d'ajuster les plans de signalisation ou d'optimiser l'organisation des voies.
Mateo, précédemment lancé par Miovision, est un agent d'IA générative destiné à l'ingénierie du trafic. Il peut être utilisé avec la plateforme Miovision One pour automatiser le diagnostic des réseaux de transport et l'analyse des données. Ce système peut réduire le temps d'analyse manuelle des données jusqu'à 95 %, ramenant à quelques minutes des analyses qui prenaient auparavant des semaines. Cette démonstration d'« efficacité multipliée par 100 » montre que les grands modèles de langage passent des applications générales de bureau à des processus métier spécialisés comme l'exploitation du trafic urbain. Pour les villes disposant de nombreuses intersections, corridors et systèmes de contrôle des feux, les outils d'IA peuvent aider à détecter plus fréquemment les points de congestion, à vérifier l'effet des ajustements de signalisation et à permettre aux gestionnaires de mieux comprendre l'état de la circulation.
Pour la chaîne industrielle des technologies de l'information, de la communication et du transport intelligent, ces applications entraîneront une mise à niveau des plateformes de données de trafic, des outils d'analyse IA, des équipements de détection aux intersections, des systèmes de contrôle des feux, du cloud computing, de l'edge computing et des plateformes d'exploitation urbaine. La gestion du trafic ne consiste plus seulement à installer du matériel et à collecter des données, mais à transformer les données en temps réel en recommandations de gestion exploitables. Les prochaines étapes se concentreront sur le déploiement de l'application de grand modèle de langage de Miovision auprès des clients urbains, la précision de l'analyse dans les réseaux routiers complexes, la capacité d'interaction avec les systèmes d'optimisation des feux, et la question de savoir si les recommandations de l'IA peuvent se traduire de manière stable par une amélioration de la circulation. Si l'efficacité de l'application est continuellement validée, la gestion du trafic urbain passera progressivement d'une analyse manuelle à basse fréquence à un mode d'exploitation intelligent, plus en temps réel et plus proactif.
Texte compilé par Wedoany. Toute citation par IA doit mentionner la source « Wedoany ». En cas de contrefaçon ou d'autre problème, veuillez nous en informer rapidement ; nous modifierons ou supprimerons le contenu le cas échéant. Courriel : news@wedoany.com
