AVIS DE SOUTENANCE ED2DS

RÉSUMÉ DE LA SOUTENANCE

Ces dernières années, il est noté au Sénégal une modernisation des infrastructures routières et des moyens de transport avec la construction et de voiries dans les grands centres urbains. Nous assistons également à la création d'unités d'assemblage de véhicules et de nombreuses autres structures dans le domaine des transports. À cela s'ajoute le pouvoir d'achat et l'industrialisation galopante, le nombre de véhicules immatriculés augmentant de fait dans toutes les régions du pays. Cette situation n'est pas sans conséquences, car nous constatons au même moment une augmentation croissante du nombre d'accidents de la route. Les accidents de la route constituent une problématique majeure, dont les conséquences ont des impacts négatifs entre autres sur l'économie, la santé et le développement du pays. L'accident de la route est un incident malheureux qui se produit de manière non intentionnelle et inattendue. Les personnes voyagent généralement par la route augmentant du coup le risque d'accident- Cela entraine des problèmes comme la mort, la fracture, les blessures, le handicap, etc. D'où l'importance d'explorer les pistes permettant de prévenir les accidents et d'en trouver la cause exacte. La revue bibliographique, montre cependant que les études actuelles sur les accidents de la route au Sénégal sont pour la plupart conduites à l'aide de la statistique descriptive conventionnelle. Seulement, elles n'identifient pas les relations de cause à effet et sont incapables d'établir des modèles qui pourraient contribuer à la prédiction des accidents de la route. Pour faire face à cette complexité, nous proposons des approches permettant de mieux comprendre et prévenir les accidents de la route basés sur l'intelligence artificielle. Le modèle final proposé est un modèle hybride qui intègre la forêt aléatoire (FA) et l'optimisation par la stratégie de la recherche aléatoire (RA). Dans le modèle proposé, FA-RA, FA est adopté comme modèle prédictif de base et RA est utilisé pour optimiser les hyperparamètres de FA. L'analyse mené à partir des données sur les accidents a montré que les facteurs de risque d'accident sont liés à chacun des trois éléments qui composent le système de transport routier à savoir : le conducteur, le véhicule et l'environnement. Les résultats expérimentaux sur le modèle montrent aussi que FA-RA atteint les plus grandes performances que les algorithmes conventionnels.

Mots-clés : Accident de la route, Intelligence Artificielle, Apprentissage Automatique, Forêt Aléatoire, Recherche Aléatoire.

ABSTRACT

In recent years, Senegal has undergone modernization of road infrastructure and means of transport with the construction of highways and roads in major urban centers, as well as the creation of vehicle assembly units and other transport-related structures. This has led to an increase in the number of registered vehicles in all regions of the country, along with rising purchasing power and rapid industrialization. However, this has also resulted in an increase in the number of road accidents, which is a major problem with negative impacts on the economy, health, and development of the country. Road accidents can lead to problems such as sudden death, fractures, injuries, disabilities, etc. Therefore, it is important to explore ways to prevent accidents and to identify their causes.

The literature review shows that current studies on road accidents in Senegal mostly use conventional descriptive statistics, which do not correctly identify cause and effect relationships and are unable to establish models that could contribute to the prediction of road accidents. To address this complexity, we propose an approach to better understand and prevent road accidents based on artificial intelligence. Our proposed model is a hybrid model that integrates random forest (RF) and random search (RS) strategy optimization. In the proposed model, RF is adopted as the basic predictive model, and RS is used to optimize the hyperparameters of RF. The analysis conducted from the accident data showed that the accident risk factors are related to each of the three elements that make up the road transport system: the driver, the vehicle, and the environment.

The experimental results on the model also show that RF-RS achieves higher performance than conventional algorithms.

Keywords: Road accident, Artificial Intelligence, Machine Learning, Random Forest, Random Search.