Les cyclistes en rêvent : un trajet exempt de tout feu rouge les obligeant à mettre pied à terre. La succession de feux verts, aussi appelée « onde verte » permet un gain de temps, et surtout, un gain d’énergie. Pour un cycliste roulant à 20km/h, un redémarrage après un arrêt représente un allongement de parcours d’environ 80 mètres1.
Plusieurs initiatives ont déjà vu le jour par le passé : des feux synchronisés adaptés à la vitesse moyenne d’un cycliste sont apparus en 2007 ; des pistes cyclables équipées de capteurs activant le feu à l’arrivée d’un vélo, ou encore des radars vélo posés au bord des pistes cyclables, analysant la vitesse du cycliste et indiquant la conduite à adopter (accélérer, décélérer ou maintenir le rythme) pour bénéficier du feu vert au prochain croisement.
Aux États-Unis, une équipe de chercheurs de l’Université d’Oregon travaille actuellement sur un projet d’application pour smartphones « FastTrack ». Son but : créer un canal de communication intelligent entre le cycliste et les feux. Les données du cycliste - position et vitesse - sont envoyées au feu en temps réel, permettant à celui-ci d'adapter (si possible) sa phase verte, et un feedback est retourné au cycliste sous forme de recommandations sur la vitesse optimale à adopter pour pouvoir bénéficier du vert au prochain feu.
Ce projet testé dans la ville d’Eugene, en Oregon, semble concluant puisque les chercheurs ont pu prédire les phases des feux avec environ 85 % de précision2. Il faut toutefois souligner que, pour qu'il fonctionne de façon optimale, le système requiert des feux intelligents, et que le cycliste soit équipé d'un smartphone capable de communiquer avec ceux-ci. Soit deux conditions non négligeables à la généralisation actuelle d'un tel système malgré tout...
Luc Goffinet
En savoir plus
► Aarhus donne le feu vert aux cyclistes
► U Oregon researchers use machine learning algorithms to provide bicyclists with Green Wave capability
1. Le retour de la bicyclette, Une histoire des déplacements urbains en Europe de 1897 à 2050, Frédéric Héran, éd. La Découverte, 2014
2. Fickas, Stephen. Green waves, machine learning, and predictive analytics : making streets better for people on bikes, NITC-1299. Portland