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