Amélioration de la sûreté dans les systèmes de transports intelligents.

Abstract

Dans un contexte où les avancées technologiques sont constantes, la gestion efficace et sécurisée des systèmes de transport devient primordiale. L'utilisation de systèmes de transport intelligents est désormais essentielle dans la vie quotidienne, ce qui rend la prédiction et la détection des anomalies dans ces systèmes cruciales. L'objectif principal de ce mémoire est de proposer une solution pour la prédiction et détection de l'état du trafic à l'aide de techniques d'intelligence artificielle. Pour atteindre cet objectif, nous avons développé une méthode de prédiction et détection basée sur des modèles de ré- seaux de neurones convolutifs (CNN) et des mémoires à long terme (LSTM). Un système expérimental a été conçu pour permettre la simulation de ces techniques. Les résultats obtenus démontrent la faisabilité et l'efficacité de notre proposition. Nos recherches futures incluent l'amélioration du système par l'intégration de données supplémentaires sur les actions des conducteurs et les conditions de la route, ainsi que le développement de systèmes capables de fournir des recommandations en temps réel.