Les événements de freinage brusque comme indicateurs du risque d’accident sur des segments routiers

• Il a été confirmé que les événements de freinage brusque (HBE) présentent une corrélation positive statistiquement significative avec le taux d’accidents sur des segments routiers réels
• Les statistiques d’accidents issues des rapports de police sont des indicateurs rares et retardés, tandis que les HBE fournissent des données continues et à haute densité
• L’analyse de 10 ans de données en Californie et en Virginie montre que le nombre de segments routiers où des HBE ont été observés est 18 fois supérieur à celui des segments avec accidents signalés
• Une analyse de régression montre une corrélation cohérente entre la fréquence des HBE et le taux d’accidents, même après contrôle de variables comme le trafic, le type de route, la pente et les changements du nombre de voies
• Cette étude a été menée par l’équipe Mobility AI de Google Research, qui a intégré les données HBE à Roads Management Insights de Google Maps Platform pour les utiliser dans une gestion proactive de la sécurité routière

---

Limites de l’évaluation traditionnelle de la sécurité routière

• L’évaluation de la sécurité routière s’est traditionnellement appuyée sur les statistiques d’accidents issues des rapports de police
  • Ces données sont directement liées aux décès, aux blessures et aux dommages matériels, et sont donc considérées comme le « gold standard »
• Cependant, les données d’accident sont des indicateurs rares et retardés, ce qui limite la modélisation prédictive
  • Les critères de signalement varient selon les régions, et sur certaines routes, les accidents ne surviennent qu’une fois tous les plusieurs ans
• Il faut donc un indicateur avancé, plus fréquent que les accidents eux-mêmes, tout en restant corrélé à la sécurité

Définition et usage des événements de freinage brusque (HBE)

• Un HBE est défini comme une manœuvre d’évitement se produisant lorsque la décélération longitudinale du véhicule est inférieure ou égale à -3 m/s²
• Les HBE sont collectés à partir de données de véhicules connectés, ce qui les rend plus faciles à déployer à grande échelle que les indicateurs de proximité nécessitant des capteurs fixes
• Les chercheurs ont utilisé des données HBE anonymisées et agrégées de la plateforme Android Auto, puis les ont croisées avec des données publiques d’accidents en Virginie et en Californie
• Le résultat montre une corrélation positive significative entre la fréquence des HBE et le taux d’accidents, tous niveaux de gravité confondus

Analyse de la densité des données

• La comparaison de 10 ans de données publiques d’accidents et de données HBE montre que le nombre de segments routiers où des HBE ont été observés est 18 fois plus élevé que celui des segments avec accidents signalés
• Alors que l’observation d’un seul accident peut prendre des années dans certaines zones, les HBE fournissent un flux de données continu et à haute densité
• Ils contribuent ainsi à combler les zones blanches de données dans la cartographie de la sécurité routière

Validation statistique

• Les chercheurs ont utilisé un modèle de régression binomiale négative (Negative Binomial Regression) pour vérifier la relation entre fréquence des HBE et taux d’accidents
  • Cette méthode correspond à l’approche standard utilisée dans le Highway Safety Manual (HSM)
• Le modèle contrôle des facteurs de confusion comme le volume de trafic, la longueur de la route, le type de route, la pente, la présence de bretelles et les changements du nombre de voies
• Les résultats montrent que, dans les deux États, plus la fréquence des HBE est élevée sur un segment routier, plus le taux d’accidents est élevé
• En particulier, les segments avec bretelles présentent un risque d’accident plus élevé dans les deux régions

Étude de cas : zone de fusion à haut risque

• Analyse d’une zone de fusion reliant les autoroutes 101 et 880 en Californie
  • Le taux d’occurrence des HBE sur ce segment est 70 fois plus élevé que la moyenne des autoroutes, et un accident s’y produit environ toutes les 6 semaines
• Ce segment fait partie du top 1 % selon la fréquence des HBE, et peut être identifié comme zone à risque même sans 10 ans d’historique d’accidents
• Cela démontre que les HBE constituent un indicateur proxy fiable pour détecter précocement les segments à haut risque, même sans données d’accidents de long terme

Application concrète et extension

• La validation des HBE permet de transformer des données de capteurs en outil fiable pour la sécurité routière
• L’équipe Mobility AI de Google Research a intégré ces données dans Roads Management Insights de Google Maps Platform
  • Les autorités de transport peuvent ainsi exploiter des données anonymisées à haute densité pour des évaluations de la sécurité routière plus rapides et plus larges
• Cette approche permet d’identifier les segments à risque à partir d’indicateurs avancés, sans dépendre des historiques d’accidents

Axes de recherche futurs

• Bien que les HBE aient été confirmés comme indicateur avancé puissant du risque d’accident, l’objectif est d’affiner encore le signal via une réduction de la rareté des données et une prise en compte du clustering spatial
• À terme, l’objectif est de déboucher sur des interventions concrètes sur les infrastructures, comme l’ajustement de la temporisation des feux, l’amélioration de la signalisation ou la modification de la conception des voies d’insertion

Recherche conjointe et remerciements

• Cette étude a été réalisée dans le cadre d’une collaboration entre Google et les chercheurs de Virginia Tech
• Ont participé à la recherche : Shantanu Shahane, Shoshana Vasserman, Carolina Osorio, Yi-fan Chen, Ivan Kuznetsov, Kristin White, Justyna Swiatkowska, Feng Guo
• Aurora Cheung, Andrew Stober, Reymund Dumlao et Nick Kan ont contribué à la phase d’application concrète de l’étude

[GN⁺]

Commentaires sur Hacker News

• J’ai utilisé un dongle de suivi des habitudes de conduite branché sur le port OBD2, fourni par mon assureur
  Au début, l’alerte de « freinage brusque » se déclenchait souvent et je ne comprenais pas pourquoi, puis j’ai fini par réaliser que cet appareil m’avait en fait entraîné
  Le problème n’était pas la vitesse, mais le manque de distance avec le véhicule devant. Je suivais de trop près, ce qui provoquait des freinages brusques fréquents
  Pendant que l’appareil était installé, j’ai naturellement pris l’habitude de garder mes distances, et le confort de conduite s’est aussi amélioré. Ma prime d’assurance n’a pas changé, mais il me semble que mon risque d’accident a diminué

  • Sur les autoroutes encombrées, il est vraiment difficile de maintenir une distance de sécurité
    Dès qu’on ralentit parce qu’une voiture se rabat devant, une autre s’insère dans l’espace… et ça se répète pendant tout le trajet domicile-travail
    En ville c’est différent, mais sur autoroute, le problème vient de la densité du trafic
  • Moi aussi, juste après avoir acheté une voiture neuve, je conduisais en laissant plus d’espace que d’habitude, et un carambolage à quatre véhicules s’est produit juste devant moi
    Grâce à ça, j’ai eu le temps de ralentir suffisamment et d’éviter l’accident
  • Cela ne réduit pas seulement mon propre risque d’accident, mais aussi le risque d’accident pour plusieurs véhicules qui me suivent
    Après avoir vu ce schéma, ma façon de voir le maintien des distances a complètement changé
  • J’ai utilisé un appareil similaire quand j’étais plus jeune, mais quelques freinages brusques suffisaient à faire presque disparaître la remise d’assurance
    Au final, j’ai regretté d’avoir fourni mes données de conduite
  • Je trouve impressionnant de partager publiquement ce genre d’expérience. C’est un bon exemple de lucidité sur soi-même et d’amélioration

• La recherche sur les accidents de la route est très précieuse, mais rare
  On considère souvent les accidents routiers comme des fautes individuelles, alors que dans l’aviation, l’approche consiste à chercher des causes systémiques
  Même lorsqu’il s’agit d’une erreur de pilote, on analyse pourquoi cette erreur s’est produite. Sur la route, en revanche, le même accident peut se reproduire encore et encore sans que l’environnement change

  • Dans l’aviation, ce type d’analyse systémique est possible parce qu’on écarte d’emblée les personnes inexpérimentées ou négligentes
    Dans la plupart des accidents de la route, la cause est simplement une personne qui enfreint les règles
  • Il y a aussi une simple différence d’échelle. Il y a 100 000 vols par jour contre 1 milliard de trajets en voiture, donc il est inévitable qu’il y ait bien plus d’accidents sur la route
    Cela dit, le NTSB enquête parfois aussi sur des accidents automobiles sous un angle systémique

• Après un trajet domicile-travail quotidien d’une heure et demie, j’ai compris qu’il est important de garder la circulation fluide, comme un “écoulement laminaire”
  Un freinage brusque transforme l’énergie en chaleur et crée une onde de chaos qui affecte aussi les voitures derrière
  J’essaie donc de moduler ma vitesse aussi doucement que possible

  • Mais certains conducteurs pensent qu’une conduite “fluide” comme celle-ci ralentit au contraire le trafic
    À leurs yeux, elle occupe simplement de l’espace et réduit la vitesse d’ensemble
  • Je conduis avec la même logique. Ce serait bien plus utile si la voiture affichait la vitesse relative par rapport au véhicule de devant
  • Cette vidéo montre bien la réaction en chaîne qui se produit quand les gens appuient sur les freins
    En pratique, les embouteillages naissent de l’accumulation de petites erreurs
  • Bien sûr que les freinages brusques créent des ondes, mais je pense que leur effet est exagéré
    Le débit maximal d’une route est déterminé par l’espacement entre les véhicules (en temps). Avec un intervalle de 2 secondes, on est à 0,5 véhicule par seconde ; si l’intervalle augmente, le débit diminue
  • Si l’on regarde loin devant et qu’on détecte à l’avance la compression du trafic pour ralentir progressivement, cela aide aussi les véhicules derrière

• Dans l’assurance, on sait déjà que le freinage brusque est un indicateur puissant du risque d’accident
  Chez Cambridge Mobile Telematics, ils ont développé une application qui émet un bip en cas de freinage brusque pendant la conduite. Le simple fait d’alerter suffit déjà à modifier les comportements

  • Il est intéressant de voir que les assureurs considèrent le freinage brusque comme un signal de risque lié au conducteur, tandis que Google le voit comme un signal de risque lié à la conception de la route
    Les causes diffèrent, mais les deux approches peuvent être utiles
  • Ma mère aussi avait installé un appareil pour obtenir une réduction d’assurance, et la plupart des freinages brusques venaient en réalité du comportement dangereux des autres voitures
  • Je me demande si de simples alertes suffisent vraiment à changer les comportements. En pratique, les incitations financières jouent peut-être un rôle plus important
  • Je me demande si réduire les freinages brusques améliore aussi les habitudes de conduite dans leur ensemble
    Au fond, l’essentiel est peut-être d’acquérir des habitudes générales de conduite défensive
  • Cela dit, je ne suis pas sûr qu’il faille qu’un appareil nous dise qu’on vient de freiner brusquement. Le signal ressenti physiquement est déjà plus clair

• Ce qui est intéressant dans cette étude de Google, c’est qu’elle marque un passage de données centrées sur le conducteur à des données centrées sur l’infrastructure
  Le fait de voir le freinage brusque non comme un indicateur de risque individuel, mais comme un indicateur du risque routier, est innovant

  • Un jour, quand il y aura suffisamment de voitures autonomes, on pourra peut-être utiliser ce type de données pour pousser les pouvoirs publics à améliorer les routes
  • Ce serait bien, d’ailleurs, que ces données soient proposées sous forme de couche publique sur une carte

• Google Maps reste à mes yeux l’un des produits Big Tech les plus impressionnants sur le plan technique
  Il peut tirer des enseignements non intuitifs des données utilisateurs, comme la densité des foules ou les dangers sur la route

  • Personnellement, dans ce genre d’usage des données, j’accorde plus d’importance à l’intérêt public qu’à la vie privée
    Je pense que Google est un bon exemple d’utilisation responsable des données
  • Si ces données étaient utilisées dans la recherche ouverte, leur valeur sociale serait immense
    Des entreprises comme Google ont déjà largement gagné assez d’argent ; j’aimerais qu’elles publient ces données pour contribuer davantage à la société

• Certaines personnes estiment que cette étude n’apporte en réalité rien de nouveau
  Par exemple, l’échangeur 880/101 à San Jose était déjà considéré par les habitants comme le pire échangeur de la région
  Le problème n’est pas un manque de données, mais des contraintes physiques et administratives
  Google appelle cela du machine learning, mais certains y voient surtout une opération de communication
  Articles et liens vers des fournisseurs de données existants : Mercury News, TomTom, Inrix, StreetLight

  • Mais d’après l’article, l’important est justement de pouvoir identifier les zones à risque avant qu’un accident ne se produise
    Les données de freinage brusque sont bien plus abondantes et immédiates que les données d’accident
  • Ces données pourraient aussi servir à la perception du risque par les voitures autonomes
    Par exemple, en leur faisant reconnaître les intersections où l’on voit souvent des débris d’accident afin qu’elles y soient plus prudentes
  • Google et Apple collectent déjà les données de presque tous les véhicules aux États-Unis, ce qui pourrait menacer les acteurs historiques
  • Il y aurait déjà matière à amélioration si Caltrans abaissait simplement les limitations de vitesse et adoptait des aménagements d’apaisement du trafic
  • En réalité, ce n’est pas vraiment du machine learning, mais plutôt une analyse de corrélation entre freinages brusques et taux d’accident

• Je me demande pourquoi les données autoroutières de Virginie différaient de celles des autres États
  Cela peut venir de différences culturelles ou de facteurs réglementaires, ou tout simplement d’un problème d’affichage des données elles-mêmes

• Ce serait bien d’avoir une carte thermique des dangers sur le HUD pendant la conduite
  Par exemple, en vert en temps normal, puis en rouge dans les zones dangereuses

  • L’ancien Waze affichait déjà des dangers temporaires (véhicule en panne, nids-de-poule, etc.), et Google Maps le fait désormais aussi
    Pour les dangers fixes, il faut plutôt une signalisation physique ou des améliorations de la route
  • Si cette fonction était intégrée à la navigation, elle serait plus utile qu’une alerte de radar

• S’il existait vraiment une carte des indicateurs de zones à risque, je voudrais absolument l’utiliser pour conduire dans des endroits inconnus
  Sur les trajets habituels, on connaît déjà les passages dangereux, mais sur une route qu’on découvre, des indices visuels seraient d’une grande aide