Les trajectoires des véhicules d`urgences comme
Transcription
Les trajectoires des véhicules d`urgences comme
LES TRAJECTOIRES DES VÉHICULES D'URGENCE COMME OUTIL DE CAPITALISATION D'ITINÉRAIRES École Supérieure des Géomètres et Topographes / CNAM Bilel SOUSSI, Jean-Michel FOLLIN Contacts: [email protected] [email protected] Laboratoire de Géodésie et Géomatique (JE 2508) Institut de Recherche Sciences et Techniques de la Ville ESGT (L2G) - 1, boulevard Pythagore – Le Mans, France I. Contexte et objectifs Quel est le meilleur itinéraire pour une intervention primaire * ? -Connaissances terrain -Consultation de cartes routières à plusieurs échelles -Consultation du service Google-map. IV. Proposition d’un formalisme Capitalisation des connaissances terrain des ambulanciers 1) Modélisation des objets mobiles Distinction de deux modèles de trajectoire (objet en mouvement) : GPS Route Trajectoire 1 Trajectoire 2 Base de données routières enrichies Détermination du meilleur itinéraire en fonction du moment * Intervention primaire: intervention sur les lieux d'accidents (voie publique, travail ou domicile des patients). II. Problématique -Comment modéliser un objet mobile dans le but de renseigner un réseau routier : modèle contraint, libre ou autre modèle ? A) Modèle libre : un objet en mouvement se déplace librement dans l’espace [1] (par exemple migration des cigognes). B) Modèle contraint : existence d’une relation entre la trajectoire et un réseau physique (par exemple déplacement d’un véhicule sur une route) [2]. Adoption d’un modèle libre historique modifié: A) Expression de la trajectoire en fonction des positions absolues en 2D par interpolation. B) Conservation de la relation entre la trajectoire et le réseau physique par le biais du processus de l’appariement. Route Trajectoire 2) Processus d’enrichissement du réseau routier -Comment renseigner le réseau routier avec des données issues d’observations réelles variant dans le temps ? Appariement (1..n) III. Proposition d’une méthodologie Terminal GPS Enrichissement de la BD routière par des observations temporelles réelles: vitesse moyenne observée, nombres et temps d’arrêts. Création des profils temporels de vitesse pour chaque arc routier dans une période bien définie. Fig 1. Modélisation d’un objet mobile (Royaltek RBT 2300) Caractérisations attributaires (données sur le trafic, vitesses légales, feux tricolores, radars fixes) Points enregistrés par le GPS Vitesse Arc ar Fichier des traces GPS au format NMEA Nettoyage (élimination des trajectoires aberrantes, détection des arrêts) Vitesse Arc ar -Période [h1, h2] : tranche horaire pour une journée type (par exemple pendant les vacances scolaires). pour les interventions primaires Base de données de -he : heure d’entrée dans le tronçon (arc routier ar). -hs : heure de sortie du tronçon. trajectoires brutes h1 he hs Temps h2 Fig 2. Profil temporel de la vitesse pour une observation Temps he h2 h1 Fig 3. Moyenne du profil de vitesse de la Fig 2 Fichiers d’interventions (nom ambulancier, diagnostic, gravité, véhicule utilisé) Vitesse Arc ar Vitesse Arc ar Ci([ti, ti+1[, vi) C3 [ti, ti+1[: tranche horaire C2 Appariement par méthode globale Caractérisations attributaires des trajectoires brutes Base de données des trajectoires Temps h1 caractérisées Base de données Algorithme de calcul temporel Processus d’enrichissement du réseau routier des trajectoires appariées Base de données routières enrichies complétées h ei hen h2 h1 Ci: classe i h2 Temps Fig 5. Diagramme de classe des vitesses en fonction du temps Détermination du meilleur itinéraire V. Conclusion et Perspectives Etapes en cours Acquisition, nettoyage des trajectoires. Appariement des trajectoires avec le réseau routier. Prochaines étapes Conception d’un nouveau type qui stockera la variation temporelle de la vitesse (adaptation par exemple du type mreal [2]). Mise en œuvre de l’enrichissement du réseau routier par des observations réelles. Implémentation d’un algorithme temporel de recherche d’itinéraires [4]: exploitation des données qui varient dans le temps. caractéristiques d’un meilleur itinéraire dans un contexte d’urgence (par exemple largeurs des routes). Nous remercions la Région Pays de La Loire qui finance la thèse de Bilel SOUSSI et le SAMU (Service d’Aide Médicale Urgente) du Mans pour sa coopération. Base de données routières enrichies he1 Fig 4. Moyennes des profils de vitesses pour plusieurs observations Modélisation des objets mobiles Vi: vitesse moyenne C1 Extrapolation des vitesses observées sur tout le réseau routier (en cas d’absence d’observations) Bibliographie [1] Triki D.Z., Frihida A., Ben Ghezala H., Claramunt C., Modèle et langage pour la manipulation de trajectoires spatio-temporelles. Revue internationale de géomatique, vol 20, 2010, p 37-64. [2] Guting R.H., Almeida V.T., Ding Z., modeling and quering moving objects in networks VLDB Journal, vol.15, 2006, p. 165-190. [3] Sandu-Popa I., Kharrat A., Zeitouni K., Saint-Pierre G., Base de données de capteurs à localisation mobile – Modèle et langage, Systèmes d’Information et Géolocalisation RSTI – Série ISI (Ingénierie des Systèmes d’Information), Editions Hermes-Lavoisier, 14(5), 2009. [4] Chon H.D., Agrawal D., El Abbadi A., FATES: Finding A Time dEpendent Shortest path Springer Berlin Heidelberg, vol. 2574, 2003, p.165-180. SAGEO 2010 – Spatial Analysis and GEOmatics – Toulouse, 17-19 Novembre 2010