Descripteur
Termes IGN > aménagement > sécurité routière > trafic routier
trafic routierSynonyme(s)circulation routièreVoir aussi |
Documents disponibles dans cette catégorie (122)
Ajouter le résultat dans votre panier
Visionner les documents numériques
Affiner la recherche Interroger des sources externes
Etendre la recherche sur niveau(x) vers le bas
Detecting and mapping traffic signs from Google Street View images using deep learning and GIS / Andrew Campbell in Computers, Environment and Urban Systems, vol 77 (september 2019)
[article]
Titre : Detecting and mapping traffic signs from Google Street View images using deep learning and GIS Type de document : Article/Communication Auteurs : Andrew Campbell, Auteur ; Alan Both, Auteur ; Qian (Chayn) Sun, Auteur ; Qian (Chayn) Sun, Auteur Année de publication : 2019 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Applications SIG
[Termes IGN] apprentissage profond
[Termes IGN] base de données routières
[Termes IGN] détection d'objet
[Termes IGN] feu de circulation
[Termes IGN] gestion de trafic
[Termes IGN] image Streetview
[Termes IGN] réseau routier
[Termes IGN] signalisation routière
[Termes IGN] système d'information géographique
[Termes IGN] trafic routier
[Termes IGN] vision par ordinateurRésumé : (auteur) Street traffic sign infrastructure remains an extremely difficult asset for local government to manage due to its diverse physical structure and geographical distribution. A spatial registrar of traffic infrastructure is currently a required component of local government councils' mandatory road management plans. Recent advancements of object detection technology in machine learning have presented an automated approach for the detection and classification of street signage captured by Google's Street View (GSV) imagery. This paper explores the possibility of using deep learning to produce an autonomous system for detecting traffic signs on GSV images to assist in traffic assets monitoring and maintenance. By leveraging Google's Street View API, this research offers an economic approach of building purposeful street sign computer vision datasets. A custom object detection model was trained to detect and classify Stop and Give Way signs from images captured at intersection approaches. Considering the output detected bounding box coordinates, photogrammetry approach was applied to calculate the approximate location of each detected sign in two-dimensional geographical space. The newly located and classified street signs can be combined with relevant spatial data for implementation into an asset management system. By combining GIS and the GSV API, the process is completely scalable to any level of street sign classification scope. The experiments conducted on the road network of study area recorded a detection accuracy of 95.63% and classification accuracy of 97.82%. Our proposed automated approach to the detection and localisation of street sign infrastructure has displayed a promising potential for its use by local government authorities. Our workflow can be used to detect other traffic signs and applied to other road sections and other cities. Of primary importance, this approach takes an entirely free and open-source approach throughout. The continuation of Google's Street View program will account for the spatiotemporal representation of street sign infrastructure for the ongoing maintenance and renewal programs of this valuable asset. Numéro de notice : A2019-412 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/IMAGERIE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1016/j.compenvurbsys.2019.101350 Date de publication en ligne : 07/06/2019 En ligne : https://doi.org/10.1016/j.compenvurbsys.2019.101350 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=93536
in Computers, Environment and Urban Systems > vol 77 (september 2019)[article]Analyse spatiotemporelle des tournées de livraison d’une entreprise de livraison à domicile / Khaled Belhassine in Revue internationale de géomatique, vol 29 n° 2 (avril - juin 2019)
[article]
Titre : Analyse spatiotemporelle des tournées de livraison d’une entreprise de livraison à domicile Type de document : Article/Communication Auteurs : Khaled Belhassine, Auteur ; Jacques Renaud, Auteur ; Leandro Coelho, Auteur ; Jean-Philippe Gagliardi, Auteur Année de publication : 2019 Article en page(s) : pp 207 - 230 Note générale : Bibliographie Langues : Français (fre) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes IGN] analyse spatio-temporelle
[Termes IGN] calcul d'itinéraire
[Termes IGN] collecte de données
[Termes IGN] données GPS
[Termes IGN] durée de trajet
[Termes IGN] gestion de trafic
[Termes IGN] réseau routier
[Termes IGN] trafic routierRésumé : (Auteur) Dans cet article, nous présentons une analyse spatiotemporelle des tournées de livraison à domicile d’une entreprise d’électroménagers qui détient sa propre flotte de véhicules. Plusieurs millions d’observations de géolocalisation GPS issues de ces tournées de livraison sont collectées, traitées et assignées au réseau routier. À la suite de ces analyses spatiotemporelles, nous développons des calendriers quotidiens d’indices de congestion en fonction de l’heure. Des ratios de congestion sectoriels sont calculés afin de déterminer les meilleures heures de départ de livraison tout en évitant la congestion routière. La réduction de la durée des trajets a été quantifiée en comparant les meilleures heures de départs par rapport aux heures habituelles. À partir des données de notre partenaire, les analyses démontrent une réduction potentielle de 22 % de la durée des routes de livraison. Numéro de notice : A2019-604 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.3166/rig.2019.00090 Date de publication en ligne : 02/03/2020 En ligne : https://doi.org/10.3166/rig.2019.00090 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=94682
in Revue internationale de géomatique > vol 29 n° 2 (avril - juin 2019) . - pp 207 - 230[article]Réservation
Réserver ce documentExemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité 047-2019021 SL Revue Centre de documentation Revues en salle Disponible Embedding road networks and travel time into distance metrics for urban modelling / Henry Crosby in International journal of geographical information science IJGIS, Vol 33 n° 3-4 (March - April 2019)
[article]
Titre : Embedding road networks and travel time into distance metrics for urban modelling Type de document : Article/Communication Auteurs : Henry Crosby, Auteur ; theodore Damoulas, Auteur ; Stephen A. Jarvis, Auteur Année de publication : 2019 Article en page(s) : pp 512 - 536 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes IGN] covariance
[Termes IGN] distance euclidienne
[Termes IGN] durée de trajet
[Termes IGN] espace-temps
[Termes IGN] géostatistique
[Termes IGN] isométrie
[Termes IGN] krigeage
[Termes IGN] logement
[Termes IGN] modèle de simulation
[Termes IGN] réseau routier
[Termes IGN] trafic routier
[Termes IGN] urbanisme
[Termes IGN] variogrammeRésumé : (auteur) Urban environments are restricted by various physical, regulatory and customary barriers such as buildings, one-way systems and pedestrian crossings. These features create challenges for predictive modelling in urban space, as most proximity-based models rely on Euclidean (straight line) distance metrics which, given restrictions within the urban landscape, do not fully capture spatial urban processes. Here, we argue that road distance and travel time provide effective alternatives, and we develop a new low-dimensional Euclidean distance metric based on these distances using an isomap approach. The purpose of this is to produce a valid covariance matrix for Kriging. Our primary methodological contribution is the derivation of two symmetric dissimilarity matrices (B+ and B2+), with which it is possible to compute low-dimensional Euclidean metrics for the production of a positive definite covariance matrix with commonly utilised kernels. This new method is implemented into a Kriging predictor to estimate house prices on 3,669 properties in Coventry, UK. We find that a metric estimating a combination of road distance and travel time, in both R2 and R3, produces a superior house price predictor compared with alternative state-of-the-art methods, that is, a standard Euclidean metric in RN and a non-restricted road distance metric in R2 and R3. F Numéro de notice : A2019-024 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2018.1547386 Date de publication en ligne : 06/12/2018 En ligne : https://doi.org/10.1080/13658816.2018.1547386 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=91952
in International journal of geographical information science IJGIS > Vol 33 n° 3-4 (March - April 2019) . - pp 512 - 536[article]Réservation
Réserver ce documentExemplaires (2)
Code-barres Cote Support Localisation Section Disponibilité 079-2019031 RAB Revue Centre de documentation En réserve L003 Disponible 079-2019032 RAB Revue Centre de documentation En réserve L003 Disponible A methodology with a distributed algorithm for large-scale trajectory distribution prediction / QiuLei Guo in International journal of geographical information science IJGIS, Vol 33 n° 3-4 (March - April 2019)
[article]
Titre : A methodology with a distributed algorithm for large-scale trajectory distribution prediction Type de document : Article/Communication Auteurs : QiuLei Guo, Auteur ; Hassan A. Karimi, Auteur Année de publication : 2019 Article en page(s) : pp 833 - 854 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale
[Termes IGN] distribution spatiale
[Termes IGN] données massives
[Termes IGN] données spatiotemporelles
[Termes IGN] gestion de trafic
[Termes IGN] migration pendulaire
[Termes IGN] mobilité urbaine
[Termes IGN] New York (Etats-Unis ; ville)
[Termes IGN] Pékin (Chine)
[Termes IGN] population urbaine
[Termes IGN] prédiction
[Termes IGN] trafic urbain
[Termes IGN] trajet (mobilité)Résumé : (Auteur) In this paper, we propose a method for predicting the distributions of people’s trajectories on the road network throughout a city. Specifically, we predict the number of people who will move from one area to another, their probable trajectories, and the corresponding likelihoods of those trajectories in the near future, such as within an hour. With this prediction, we will identify the hot road segments where potential traffic jams might occur and reveal the formation of those traffic jams. Accurate predictions of human trajectories at a city level in real time is challenging due to the uncertainty of people’s spatial and temporal mobility patterns, the complexity of a city level’s road network, and the scale of the data. To address these challenges, this paper proposes a method which includes several major components: (1) a model for predicting movements between neighboring areas, which combines both latent and explicit features that may influence the movements; (2) different methods to estimate corresponding flow trajectory distributions in the road network; (3) a MapReduce-based distributed algorithm to simulate large-scale trajectory distributions under real-time constraints. We conducted two case studies with taxi data collected from Beijing and New York City and systematically evaluated our method. Numéro de notice : A2019-218 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2018.1536981 Date de publication en ligne : 31/10/2018 En ligne : https://doi.org/10.1080/13658816.2018.1536981 Format de la ressource électronique : URL Article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=92690
in International journal of geographical information science IJGIS > Vol 33 n° 3-4 (March - April 2019) . - pp 833 - 854[article]Réservation
Réserver ce documentExemplaires (2)
Code-barres Cote Support Localisation Section Disponibilité 079-2019031 RAB Revue Centre de documentation En réserve L003 Disponible 079-2019032 RAB Revue Centre de documentation En réserve L003 Disponible Analyse d’images par méthode de Deep Learning appliquée au contexte routier en conditions météorologiques dégradées / Khouloud Dahmane (2019)
Titre : Analyse d’images par méthode de Deep Learning appliquée au contexte routier en conditions météorologiques dégradées Type de document : Thèse/HDR Auteurs : Khouloud Dahmane, Auteur ; Frédéric Chausse, Directeur de thèse Editeur : Clermont-Ferrand : Université Clermont Auvergne Année de publication : 2019 Importance : 146 p. Format : 21 x 30 cm Note générale : bibliographie
Thèse pour obtenir le grade de Docteur de l'Université Clermont Auvergne, spécialité Électronique et SystèmesLangues : Français (fre) Descripteur : [Vedettes matières IGN] Traitement d'image optique
[Termes IGN] apprentissage profond
[Termes IGN] brouillard
[Termes IGN] classification par réseau neuronal convolutif
[Termes IGN] coefficient de corrélation
[Termes IGN] données météorologiques
[Termes IGN] pluie
[Termes IGN] réseau neuronal artificiel
[Termes IGN] système de transport intelligent
[Termes IGN] trafic routier
[Termes IGN] vision par ordinateurIndex. décimale : THESE Thèses et HDR Résumé : (auteur) De nos jours, les systèmes de vision sont de plus en plus utilisés dans le contexte routier. Ils permettent ainsi d'assurer la sécurité et faciliter la mobilité. Ces systèmes de vision sont généralement affectés par la dégradation des conditions météorologiques en présence de brouillard ou de pluie forte, phénomènes limitant la visibilité et réduisant ainsi la qualité des images. Afin d'optimiser les performances des systèmes de vision, il est nécessaire de disposer d'un système de détection fiable de ces conditions météorologiques défavorables.Il existe des capteurs météorologiques dédiés à la mesure physique, mais ils sont coûteux. Ce problème peut être résolu en utilisant les caméras qui sont déjà installées sur les routes. Ces dernières peuvent remplir simultanément deux fonctions : l'acquisition d'images pour les applications de surveillance et la mesure physique des conditions météorologiques au lieu des capteurs dédiés. Suite au grand succès des réseaux de neurones convolutifs (CNN) dans la classification et la reconnaissance d'images, nous avons utilisé une méthode d'apprentissage profond pour étudier le problème de la classification météorologique. L'objectif de notre étude est de chercher dans un premier temps à mettre au point un classifieur du temps, qui permet de discriminer entre temps « normal », brouillard et pluie. Dans un deuxième temps, une fois la classe connue, nous cherchons à développer un modèle de mesure de la distance de visibilité météorologique du brouillard. Rappelons que l'utilisation des CNN exige l'utilisation de bases de données d'apprentissage et de test. Pour cela, deux bases de données ont été utilisées, "Cerema-AWP database" (https://ceremadlcfmds.wixsite.com/cerema-databases), et la base "Cerema-AWH database", en cours d'acquisition depuis 2017 sur le site de la Fageole sur l'autoroute A75. Chaque image des deux bases est labellisée automatiquement grâce aux données météorologiques relevées sur le site permettant de caractériser diverses gammes de pluie et de brouillard. La base Cerema-AWH, qui a été mise en place dans le cadre de nos travaux, contient cinq sous-bases : conditions normales de jour, brouillard fort, brouillard faible, pluie forte et pluie faible. Les intensités de pluie varient de 0 mm/h à 70 mm/h et les visibilités météorologiques de brouillard varient entre 50m et 1800m. Parmi les réseaux de neurones connus et qui ont montré leur performance dans le domaine de la reconnaissance et la classification, nous pouvons citer LeNet, ResNet-152, Inception-v4 et DenseNet-121. Nous avons appliqué ces réseaux dans notre système de classification des conditions météorologiques dégradées. En premier lieu, une étude justificative de l'usage des réseaux de neurones convolutifs est effectuée. Elle étudie la nature de la donnée d'entrée et les hyperparamètres optimaux qu'il faut utiliser pour aboutir aux meilleurs résultats. Ensuite, une analyse des différentes composantes d'un réseau de neurones est menée en construisant une architecture instrumentale de réseau de neurones. La classification des conditions météorologiques avec les réseaux de neurones profonds a atteint un score de 83% pour une classification de cinq classes et 99% pour une classification de trois classes.Ensuite, une analyse sur les données d'entrée et de sortie a été faite permettant d'étudier l'impact du changement de scènes et celui du nombre de données d'entrée et du nombre de classes météorologiques sur le résultat de classification.Enfin, une méthode de transfert de bases de données a été appliquée. Cette méthode permet d'étudier la portabilité du système de classification des conditions météorologiques d'un site à un autre. Un score de classification de 63% a été obtenu en faisant un transfert entre une base publique et la base Cerema-AWH. (...) Note de contenu : 1- Introduction
2- Revue bibliographique des algorithmes de classification et de mesure
3- Les réseaux de neurones artificiels
4- Description des bases de données météorologiques
5- Classification des conditions météorologiques par caméra routière
6- ConclusionNuméro de notice : 28507 Affiliation des auteurs : non IGN Thématique : IMAGERIE Nature : Thèse française Note de thèse : Thèse de Doctorat : Électronique et Systèmes : Université Clermont Auvergne : 2020 Organisme de stage : Institut Pascal nature-HAL : Thèse DOI : sans En ligne : https://tel.hal.science/tel-03022934/ Format de la ressource électronique : URL Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=97041 Mining and visual exploration of closed contiguous sequential patterns in trajectories / Can Yang in International journal of geographical information science IJGIS, vol 32 n° 7-8 (July - August 2018)PermalinkApport des SIG et de la réalité virtuelle à la modélisation et la simulation du trafic urbain / Julien Richard (2018)PermalinkConvolutional neural network for traffic signal inference based on GPS traces / Yann Méneroux (2018)PermalinkPermalinkDeep learning based vehicular mobility models for intelligent transportation systems / Jian Zhang (2018)PermalinkDetection and localization of traffic signals with GPS floating car data and Random Forest / Yann Méneroux (2018)PermalinkUtilisation de véhicules traceurs pour la détection et la localisation de l'infrastructure routière par apprentissage automatique / Yann Méneroux (2018)PermalinkLocalisation des caméras ANPR sur le réseau routier pour le profilage géographique / Marie Trotta in Revue internationale de géomatique, vol 27 n° 4 (octobre - décembre 2017)PermalinkPermalinkTravel time estimation at intersections based on low-frequency spatial-temporal GPS trajectory big data / Luliang Tang in Cartography and Geographic Information Science, vol 43 n° 5 (November 2016)Permalink