Aperçu du projet TORRES

Le projet TORRES (Traffic prOcessing foR uRban EnvironmentS) est une initiative de recherche appliquée financée par Innoviris, menée de 2023 à 2025. Son objectif a été de concevoir et de démontrer des outils avancés pour comprendre, surveiller et analyser le trafic urbain à l’aide de méthodes d’intelligence artificielle (IA) de pointe. Le réseau de transport de la Région de Bruxelles a servi de principal terrain pilote réel pour la collecte de données, la modélisation et la démonstration des outils.

L’équipe de recherche à l’ULB a été dirigée par le Prof. Gianluca Bontempi du Machine Learning Group et comprenait les chercheurs Eladio Montero Porras, Alejandro Morales Hernández, Ali Enes Dingil et Davide Andrea Guastella (ce dernier en tant que collaborateur externe de l’Université d’Aix-Marseille). Le partenariat incluait également le département Électronique et Informatique de la VUB ainsi que Macq Mobility, combinant expertise académique et pratique en IA et en transport.

Méthodologie et approche technique

TORRES a développé un ensemble de méthodes et d’outils visant à capter, intégrer et analyser des données de trafic hétérogènes. Le projet a combiné des informations réelles issues des infrastructures de surveillance existantes et des données IoT anonymisées avec des données synthétiques générées par augmentation de données. Ces jeux de données riches ont été utilisés pour développer des modèles basés sur l’IA capables d’interpoler les informations manquantes, de prévoir la dynamique du trafic et de faciliter des analyses à haut niveau du système de transport. En outre, des tableaux de bord interactifs et des cadres analytiques ont été créés pour visualiser les conditions de trafic et leur évolution à l’échelle de la ville. Un point central a été le développement d’analyses de scénarios « what-if ». Cela inclut l’évaluation des effets potentiels de changements sur le terrain, tels que l’ajustement des limitations de vitesse, la fermeture de segments routiers clés ou la redirection des flux de trafic. Ces capacités analytiques offrent aux autorités un moyen de quantifier les effets probables avant la mise en œuvre de politiques ou de modifications d’infrastructure.

Impact sur la mobilité urbaine et la prise de décision

Les défis de la mobilité urbaine tels que la congestion, la pollution de l’air et la sécurité routière ont des coûts sociaux et économiques directs. En fournissant des outils qui intègrent diverses sources de données et exploitent l’IA pour la prédiction et la simulation, TORRES soutient une prise de décision fondée sur des données probantes. La capacité de modéliser différents scénarios permet aux urbanistes et aux autorités de transport d’évaluer des interventions potentielles, de communiquer les bénéfices attendus au public et de développer des stratégies de transport plus résilientes et adaptatives.

Contribution scientifique et diffusion

Au-delà des livrables concrets, TORRES s’inscrit dans les recherches en cours du MLG sur les jumeaux numériques et les systèmes de transport intelligents, démontrant un leadership méthodologique et des applications pratiques. Les résultats du projet ont été diffusés à travers des événements scientifiques, des publications et des collaborations avec FARI et PARADIGM dans le cadre du projet TULIPE, notamment via l’intégration dans la démonstration CAVE, ce qui a renforcé la visibilité de l’équipe au sein des communautés académiques et de l’innovation urbaine.

En savoir plus ici