Tollsense
Classifier automatiquement les véhicules au péage à partir d’une simple image en voie
Solution de classification automatique des véhicules par traitement d’images pour leur permettre de limiter drastiquement les erreurs usuelles de classification, grâce à des technologies de pointe en intelligence et Deep Learning (apprentissage profond).
Comment ça marche ?
Tollsense est un logiciel de traitement d'image capable de détecter automatiquement et en temps réel avec un très haut niveau de précision (+99,97% de performance) la classe d’un véhicule au péage à partir d’une photo des caméras de contexte directement en voies.
…de classifier en temps réel les véhicules automatisant ainsi les corrections manuelles faites avant par les opérateurs - un processus métier pénible, chronophage, cher pour l’exploitant et avec un risque d’erreur élevé - et d’appliquer ainsi directement le bon tarif à l’usager, et donc de réduire fortement les réclamations.
Grâce à des algorithmes de pointe en Deep Learning et un entraînement sur plus de 165 millions d’images à date, Tollsense détecte automatiquement à partir d’une simple photo la classe du véhicule avec la même performance qu’un expert classification. Compatible avec de simples caméras de contexte, Tollsense se présente sous forme d’API très facilement intégrable dans la chaîne de péage.
Pour quels usagers et sur quels territoires ?
Les acheteurs de la solution sont principalement les exploitants de routes à péages, ou potentiellement les Autorités Organisatrices de Mobilités publiques types Métropoles, DIR ou Collectivités. Les utilisateurs de la solution sont alors les opérateurs qui surveillent les péages au quotidien à partir des postes de contrôle.
Tollsense a été conçue pour automatiser la correction des erreurs de classification au péage, au service des exploitants d’infrastructures concédées (autoroutes à péage).
Tollsense peut aussi être utilisée pour répondre au besoin de classification du trafic pour les collectivités et Direction Interdépartemental des Routes (DIR) dans un contexte, soit uniquement d’analyse des flux de mobilités sur leurs territoires, soit pour des enjeux de péages urbains ou de contrôle d’accès aux abords de zones réservés à certaines typologies de véhicules (cf : ZFE, taxe Poids Lourd, etc.).
Année de création de la solution
Quel est le niveau de maturité de la solution ?
Combien de temps faut-il pour la déployer ?
Quels sont les différents coûts afférents à la solution ?
Investissements (en €) Équipement :
• Opt 1 - Solution sur cloud : aucun achat d’équipement
• Opt 2 - Achat d’un serveur : à dimensionner en fonction du volume de données à traiter.
Logiciel
• Achat d’une licence « infrastructure » (cf : Équipement supra) en début de projet, par gare de péage, serveur ou cloud
à partir de 15k€
• Achat d’une licence à la caméra
à partir de 1 000€ / caméra
Fonctionnements (en €) Gestion de projet : en fonction du nombre de transactions et du nombre de caméras.
• Configuration d’algorithmes
• Mise en service
• Formation
• Documentation
Phase de début de projet, dans le cadre de l’installation du système (2-3 mois)
Exploitations (en €) Support et maintenance évolutive : licence de maintenance annuelle en option
à partir de 2K €/an/serveur + 500€/an/caméra]
Autres (préciser) (en €) Fonctionnalités complémentaires : possibilité d’ajouter des fonctionnalités en compléments de types analyses de trafic, détection de PMR, marques-modèles, etc.
Solution modulaire, devis à établir en fonction du besoin
Interface de qualification : accès à l’interface de gestion opérateur – Deepboard – pour qualifier et déployer les modèles Tollsense
Quelles sont les références qualifiant la solution ?
Nos algorithmes sont propriétaires et ont été développés exclusivement en interne. La solution a fait l’objet de nombreuses publications scientifiques, reconnues dans le domaine de la Recherche Industrielle Appliquée.
L’équipe Technique de Cyclope.ai a en effet publiée plus d’une dizaine de publications (détails ci-dessous ou via le lien ci-joint) depuis sa création et est à l’initiative de 3 brevets : un déposé et deux en cours de dépôt.
Brevet concernant la solution Tollsense déposé à la Base Brevet de l’INPI sous la dénomination :
• “Procédé de gestion du passage d’un véhicule à une station de péage d’une route”
Témoignages de collectivités
Articles de recherche appliquée liés à Tollsense et rédigés par l’équipe R&D de Cyclope.ai :
• Application guided Image Quality Estimation based on Classification Accepté in 26th IEEE International Conference on Image Processing, ICIP 2019, A.Nakib - Septembre 22-25, 2019, Taipei, TAIWAN
• Novel Context-aware Classification for Highly Accurate Automatic Toll Collection Accepté in 30th IEEE Intelligent Vehicles Symposium M. Khata, N. Shvai, A. Hasnat, A. Llanza, A. Sanogo, A. Meicler, and A. Nakib - Juin 9-12, 2019, Paris, FRANCE
• New Vehicle classification method based on hybrid classifier Accepté in 25th IEEE ICIP 2018, pp.3084-3088, A. Hasnat, N. Shvai, A. Meicler, P. Maarek, A. Nakib - Octobre 7-8, 2018. Athens, GRÈCE
• Optimal Ensemble Classifiers based classification for Automatic Vehicle Type Recognition Accepté in International Conference IEEE WCCI-CEC 2018, pp. 1-8, N. Shvai, A. Meicler, A. Hasnat, E. Machover, P. Maarek, and A. Nakib - Juillet 8-13 2018, Rio de Janiero, BRÉSIL
• PixMap: automatic license plate recognition with convolutional neural network based on saliency maps Accepté in SPIE Digital Optical Technologies International Symposium, A. Sanogo, M. Khata, N. Shvai, A. Hasnat, A. Llanza, A. Meicler and A. Nakib - Juin 24-27, 2019, Munich, ALLEMAGNE