Source : Transportation Research Interdisciplinary Perspectives, vol. 10, article 100393 · DOI 10.1016/j.trip.2021.100393 · University of Alabama (Institute for Rural Health Research, Alabama Transportation Institute, Département de génie civil) · accès OPEN (CC BY-NC-ND) · PDF Hu2021-HazardCurvatureOpenData.pdf, sha256 0fe2d7cbbc2c3d41…, 9 pages Lu le : 2026-11-02. LECTURE COMPLÈTE (texte, Tab. 1 à 3 relus sur la page ; figures 1 à 4 vues comme légendes seulement). Statut summarized. Thème : detection · géométrie routière 3D, sécurité routière Métadonnées vérifiées dans le PDF : titre, auteurs, année (reçu le 22 août 2020, accepté le 9 mai 2021) et DOI conformes au corpus.

Contexte et question

Les routes locales américaines sont nombreuses, peu fréquentées et rarement prioritaires dans les programmes de mise à niveau ; leurs profils géométriques détaillés manquent ou coûtent cher à relever. Les auteurs cherchent une manière peu coûteuse de construire, à large échelle, des profils géométriques 3D (courbes horizontales, pentes, combinaisons) à partir de données ouvertes, puis de relier ces profils aux accidents pour repérer les segments critiques.

Méthode

Outil : ArcGIS 10.5.1. Seules deux données sont nécessaires : le réseau routier et un modèle numérique d’élévation (MNT).

• Étape 1. Altitudes extraites des MNT USGS à 3 m (164 jeux de données), méthode de pré-échantillonnage ; projection NAD 1983 State Plane, Michigan Sud.
• Étape 2. Réseau découpé en points tous les 20 pieds (longueur d’une voiture de taille moyenne selon les auteurs), chacun reçoit une altitude.
• Étape 3. Taux de variation d’altitude entre points voisins (Éq. 1) ; au-delà de 15 % pour les routes locales, le point est jugé aberrant. En début ou fin de route : remplacé par la moyenne des 3 points voisins. En milieu de route : spline cubique de lissage (Éq. 2) ajustée sur 3 points avant et 3 points après, paramètre λ choisi par validation croisée généralisée (GCV). La pente en % est altitude / distance horizontale × 100 (Éq. 3), classée en 5 catégories AASHTO : plat (0 à 0,5), 0,5 à 2, 2 à 4, 4 à 6, plus de 6.
• Étape 4. Courbes horizontales identifiées par l’outil ROCA (basé sur le théorème de Bayes, Andrášik et Bíl 2016) ; 4 classes : droit, rayon 0 à 250 pieds, 250 à 500, plus de 500.
• Étape 5. Un segment qui porte pente et rayon est une courbe combinée ; les 5 classes de pente croisées avec les 4 classes de rayon donnent 20 types d’alignement.
• Modèle. Régression binomiale négative à inflation de zéros (ZINB) sur la fréquence d’accidents par segment ; base de comparaison « droit et plat » ; ln(longueur de segment) en covariable. AADT, juridiction et vitesse limitée sont collectés mais écartés (trop de valeurs manquantes).

Données

• Zone : région SEMCOG, sud-est du Michigan, 7 comtés (Livingston, Macomb, Monroe, Oakland, Saint Clair, Washtenaw, Wayne).
• Réseau local : Michigan Geographic Data Library ; plus de 0,2 million de liens et environ 5,5 millions de points d’altitude (§Step 1).
• Accidents : enregistrements 2017 ; 145 362 accidents au total, dont 118 021 sur routes locales (81,2 %) (§Discussion). Parmi ces derniers, 45,8 % sur route droite et plate, 43,4 % sur courbes verticales seules, 7,92 % sur courbes combinées (le texte ne dit pas à quoi correspond le reste).
• Tab. 1 : 460 242 segments ; observations du modèle : 440 328 (75 149 non nulles) (Tab. 2) ; l’écart entre les deux nombres n’est pas expliqué.

Résultats chiffrés

Résultats du modèle ZINB (Tab. 2, p. 7), base « droit et plat » ; constante −0,715 (***) ; Ln(alpha) 1,219 ; log-vraisemblance −271 387,7 ; pseudo-R² 0,007 ; AIC 542 823,3 :

• Droit et pente de 0,5 à 2 % : −0,117 () ; 2 à 4 % : −0,116 () ; 4 à 6 % : −0,156 (***) ; plus de 6 % : 0,002 (non significatif, p = 0,955).
• Rayon 0 à 250 pieds : −0,642 (plat) à −0,717 (2 à 4 %), tous significatifs à 99 % ; plus de 6 % : −0,593.
• Rayon 250 à 500 pieds : plat −0,081 () ; 0,5 à 2 % −0,183 (**) ; les trois autres classes de pente ne sont pas significatives.
• Rayon plus de 500 pieds : plat −0,004 (, écart-type 0,086 ; valeur telle qu’imprimée) ; 0,5 à 2 % : 0,367 (*), seul coefficient positif significatif ; les trois autres non significatifs.
• Ln(longueur de segment) : 0,277 (***) : un segment plus long cumule plus d’accidents.
• Composante d’inflation : coefficients non significatifs (p = 0,999 et 0,993).

Ancres des chiffres principaux :

• 83 % de segments sans accident : « over 83% of the segments did not have any crashes associated » (p. 6).
• 0,367 : « 500 + feet and 0.5–2% grade 0.367*** » (Tab. 2, p. 7).
• 0,277 : « Ln (segment length) 0.277*** » (Tab. 2, p. 7).
• 501 points aberrants : « identified 501 abnormal points on roadway segments, and over 90% of them » (p. 4).
• 26 % pour ROCA : « the result accuracy is 26% higher than other existing methods » (p. 5).

Classement des segments dangereux (Tab. 3, p. 8) : les 20 segments aux taux d’accidents les plus élevés sont listés avec identifiant, nom de route, nombre d’accidents, classes de pente et de rayon. Le premier est W Grand River Ave (30 accidents, taux 2,58, pente classe 2, rayon classe 3) ; le vingtième, E 10 Mile Rd (33 accidents, taux 0,63). Les auteurs notent que la plupart des accidents surviennent sur des courbes courtes, de rayon plus serré et de pente plus faible. La colonne « Road Length [ft] » porte des valeurs de 7,23 à 52,07 : les unités imprimées ne semblent pas cohérentes avec des pieds, à lire avec prudence.

Limites déclarées par les auteurs

• Les données ouvertes et le logiciel SIG ne permettent pas de dériver longueurs de courbes, angle de déflexion, taux de variation de courbure (CCR), degré de courbure ni dévers.
• Les données d’accidents ouvertes n’ont ni vitesse pratiquée, ni frottement latéral, ni accélération ou décélération, ce qui limiterait la validation des segments repérés.
• Rayons et pentes peuvent être biaisés par l’imprécision du MNT.
• La méthode est démontrée sous ArcGIS seulement ; la reproduction sur d’autres plateformes reste à faire.
• La précision du géoréférencement des accidents est inconnue.
• Les auteurs jugent le résultat « contre-intuitif » pour les grands rayons à faible pente et l’attribuent possiblement au découpage en segments courts (§Understanding geometric alignment).

Ce que ça change pour Teleforge (interprétation, hors de l’article)

• Une chaîne tout ouverte (réseau + MNT 3 m) donne rayon et pente par segment sans capteur embarqué : c’est un a priori cartographique à comparer à la courbure et à la pente mesurées par un véhicule.
• Le nettoyage des altitudes (seuil de pente à 15 %, spline de lissage, GCV) est un modèle de traitement simple à reprendre pour fiabiliser une pente issue d’un MNT.
• Le pas de 20 pieds (environ 6 m) échantillonne bien plus finement que le MNT à 3 m n’est précis ; les auteurs ne chiffrent pas l’erreur verticale, nous ne pouvons donc pas en déduire une erreur de pente.
• Le résultat sur l’accidentologie est faible en pouvoir explicatif (pseudo-R² 0,007) et corrélationnel ; il ne faut pas le lire comme un indicateur de risque par classe de géométrie.
• Les indicateurs absents de l’article (CCR, dévers, longueur de courbe) sont justement ceux qu’un jeu de données véhicule peut apporter.