Détection et reconnaissance d’obstacles routiers pour la prévention des accidents sur les routes nationales au Sénégal

Résumé

La sécurité routière constitue une préoccupation majeure dans les pays subsahariens en général, et au Sénégal en particulier où des structures comme l’AGEROUTE (Agence de Gestion des ROUTES) et l’ANASER (Agence Nationale de Sécurité Routière) travaillent en étroite collaboration pour relever les défis sécuritaires sur les routes nationales, secondaires et classées au Sénégal. D’énormes d’efforts ont été consentis par l’état du Sénégal à travers ces structures pour diminuer les risques d’accidents qui s’élève entre 2015-2019 à 11 000 victimes. Dans la littérature, l’exploration recherche effectuée montre que peu de solutions sont issus de l’IA. Le but de ce travail est d’apporter des solutions innovantes dans le domaine de la sécurité routière par l’usage de l’IA à travers le deep learning et la science des données. Pour y parvenir, nous nous intéressons d’une part aux obstacles routiers qui posent le plus de risque : obstacles latéraux, animaux sauvages ; et d’autre part à l’état dégradant des panneaux de signalisations et des déformations sur les routes (fissure, nid de poule), la non-visibilité des signalisations verticales et horizontales (ligne continue, ligne discontinue, ligne mixte, etc.). La méthodologie que nous avons adoptée consiste à utiliser l’apprentissage profond qui est un domaine de l’IA pour créer des systèmes et des modèles de reconnaissances basés sur le computer vision (vision par ordinateur). Pour la mise en place de notre jeu de données, nous avons travaillé avec les données de Kaggle et de l’AGEROUTE du Sénégal. Pour la détection des obstacles latéraux comme les arbres, les poteaux, les virages, nous avons obtenu un taux de précision de 90%. Pour la détection des animaux sauvages, le taux de précision est de 91, 23%. Pour le système de détection des panneaux de signalisation et des déformations routières, le taux de précision est de 95, 34%. Les solutions proposées sont déployées et testées sur des véhicules particuliers intégrant un dispositif constitué d’une caméra, d’un Raspberry PI et d’un capteur sonore. Les obstacles cités et autres objets cités sont détectés sur une distance donnée ; ce qui permet d’alerter le conducteur en temps réel.