Tunnelwatch

Détecter automatiquement les incidents dans les tunnels pour répondre aux enjeux de sécurité des exploitants de tunnels routiers : infrastructure critique, à risque pour les usagers.

Quelle est l’innovation portée par la solution de mobilité ?

Tunnelwatch est une solution nouvelle génération de Détection Automatique d'Incidents (logiciel de DAI) qui repose sur des technologies de pointe en Intelligence Artificielle et Deep Learning, appliquées à l’analyse vidéo.

Comment ça marche ?

Tunnelwatch est un logiciel métier d’Intelligence Artificielle qui permet la détection automatique d’incidents dans les tunnels, avec un très haut niveau de précision (filtrage fausses alarmes) à partir des caméras de vidéosurveillance, nouvelles ou déjà installées (système ouvert).

Tunnelwatch permet de détecter avec une meilleure fiabilité l’ensemble des incidents advenant dans un tunnel, permettant ainsi aux exploitants d’intervenir à la fois plus rapidement et plus efficacement et d’améliorer durablement la sécurité et la fluidité pour les usagers et les territoires (en limitant l’impact de la congestion).

Entraînée sur des milliers d’heures de vidéos de caméras issues de différents tunnels, Tunnelwatch enregistre un taux de détection supérieur à 98% et de fausses alarmes inférieur à 2%, grâce à ses technologies de pointe en Deep Learning et traitement d’image qui permettent une reconnaissance de formes de haute précision.

Compatible avec toutes les caméras - même déjà installées - Tunnelwatch est une solution pour système ouvert, capable de générer automatiquement un masque adapté à chaque caméra, facilitant ainsi grandement son installation.

Pour quels usagers et sur quels territoires ?

La cible d’acheteurs de la solution sont l’ensemble des exploitants de tunnels de plus de 500m.

Les utilisateurs finaux sont les opérateurs qui surveillent le tunnel au quotidien, à partir des postes de contrôle.

Le contexte idéal est qu’un exploitant de tunnel – une DIR, une collectivité ou un concessionnaire privé – cherche à mettre en place un nouveau système de DAI, plus performant que les systèmes traditionnels.

Alors même que, conformément à la législation européenne : “un système de Détection Automatique d’Incident (DAI) est obligatoire dans tous les tunnels européens de plus de 500 m“ (Directive européenne du 29 avril 2004), les systèmes traditionnels enregistrent un grand nombre de fausses alarmes, surchargeant ainsi l’opérateur de données non pertinentes ce qui met à risque l’exploitation (risque de débranchement total par l’opérateur du système de DAI).

Année de création de la solution

2018

Quel est le niveau de maturité de la solution ?

En phase de déploiement et commercialisation

Combien de temps faut-il pour la déployer ?

Moins de 3 mois

Quels sont les différents coûts afférents à la solution ?

investissement :

Équipement

• Achat de serveurs : à dimensionner en fonction du volume de données à traiter.

Logiciel

• Achat de licences serveurs : en fonction du nombre de serveurs, et donc du volume de données à traiter (voir supra)

• Achat de licences d’analyse DAI : en fonction du nombre de caméras du projet

→ A titre indicatif : à partir de 750 € par caméra

Gestion de projet : en fonction de la taille du tunnel et du nombre de caméras.

• Configuration d’algorithmes

• Mise en service

• Formation

• Documentation

→ Surtout en début de projet, dans le cadre de l’installation du système

fonctionnement : Support et maintenance évolutive : en fonction de la taille du tunnel et du nombre de caméras.

exploitations : N/A (différence peu claire avec Fonctionnements supra)

autres couts : Fonctionnalités complémentaires : possibilité d’ajouter des fonctionnalités complémentaires types analyses de trafic, détection de PMR, classification, etc.

→ Solution modulaire, devis à établir en fonction du besoin

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 publié 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.

Articles de recherche appliquée liés à Tunnelwatch et rédigés par l’équipe R&D de Cyclope.ai :

• TunSeg: semantic tunnel scene segmentation Accepté in SPIE Optics and photonics Conference, Llanza, N. Shvai, M. Khata, A. Hasnat, A. Sanogo, A. Meicler and A. Nakib - Août 11-15, 2019, San Diego, CA, USA

• Real-time incident detection inside tunnels based on Volta Architecture Accepté in Nvidia GPU Technology Conference (GTC), M. Khata, N. Shvai, A. Hasnat, A. Llanza, A. Sanogo, A. Meicler, and A. Nakib - Mars 17-21, 2019, Silicon Valley, CA, USA

• Multi-objective optimization based fractal decomposition Accepté in Metaheuristics International Conference - MIC 2019, A.Nakib - Juillet 28-31, 2019, Cartagena, COLOMBIE

Témoignages de collectivités

Publications scientifiques et brevets :

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 publié 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.

Articles de recherche appliquée liés à Tunnelwatch et rédigés par l’équipe R&D de Cyclope.ai :

• TunSeg: semantic tunnel scene segmentation Accepté in SPIE Optics and photonics Conference, Llanza, N. Shvai, M. Khata, A. Hasnat, A. Sanogo, A. Meicler and A. Nakib - Août 11-15, 2019, San Diego, CA, USA

• Real-time incident detection inside tunnels based on Volta Architecture Accepté in Nvidia GPU Technology Conference (GTC), M. Khata, N. Shvai, A. Hasnat, A. Llanza, A. Sanogo, A. Meicler, and A. Nakib - Mars 17-21, 2019, Silicon Valley, CA, USA

• Multi-objective optimization based fractal decomposition Accepté in Metaheuristics International Conference - MIC 2019, A.Nakib - Juillet 28-31, 2019, Cartagena, COLOMBIE

Évaluation des performances de Tunnelwatch dans le Tunnel de Toulon :

Par ailleurs, Cyclope.ai et ESCOTA ont fait appel à des partenaires reconnus pour évaluer les performances de la solution Tunnelwatch déployée à Toulon : le cabinet d’ingénierie Lombardi, reconnu pour son expertise dans les ouvrages souterrains, a été mandaté pour définir la méthodologie de tests et d’analyse de performances et en mener à bien l’exécution terrain (tests de nuit).

Verbatim extrait du Rapport Lombardi, dans le cadre de l’évaluation de la solution Tunnelwatch déployée dans le Tunnel de Toulon :

« Les taux de détection sont élevés et répondent aux demandes de l’Analyse Fonctionnelle (…). Les fausses alarmes et les mauvaises qualifications sont rarissimes » Lombardi

Verbatim de Pierre Delai