Titre : A Low-Cost Approach to Identify Hazard Curvature for Local Road Networks Using Open-Source Data
Auteurs : Qinglin Hu, Xiaobing Li, Jun Liu, Emmanuel Kofi Adanu
Revue : Transportation Research Interdisciplinary Perspectives (Vol. 10, 100393)
DOI : 10.1016/j.trip.2021.100393
Année : 2021
Thème : Géométrie routière 3D, sécurité routière, courbure, open data, SIG
Lien :
Status : summarized
Source : local
Mots-clés : curvature, road geometry, DEM, GIS, crash modeling, zero-inflated negative binomial, open-source data

🔍 Contexte

Les routes locales américaines sont souvent négligées dans les programmes d’amélioration de la sécurité, en raison de leur faible trafic et du manque d’informations géométriques détaillées.
Or, la courbure de la route — horizontale et verticale — est un facteur majeur de mortalité routière.
Les auteurs proposent une méthode SIG à faible coût, exploitant les Modèles Numériques d’Élévation (DEM) open source de l’USGS pour reconstruire des profils géométriques 3D des routes locales et identifier les segments critiques.

⚙️ Méthodologie

Données

• Région d’étude : Southeast Michigan (7 comtés).
• Sources :
  • Réseau routier : Michigan Geographic Data Library.
  • Élévation : USGS 3 m DEM (164 jeux de données).
  • Accidents : données 2017 (SEMCOG).

Étapes de la méthode

1. Extraction de l’altitude (DEM) pour chaque point du réseau routier (échantillonnage tous les 20 pieds).
2. Nettoyage des points aberrants (Δaltitude > 15 %) via spline cubique de lissage (λ optimisé par GCV).
3. Calcul des pentes verticales (en %) par théorème de Pythagore, classées selon AASHTO :
   • 0–0.5 % (plat), 0.5–2 %, 2–4 %, 4–6 %, >6 %.
4. Identification automatique des courbes horizontales avec l’outil ROCA (Bayesien, précision +26 %).
   • Classes : droite, rayon 0–250 ft, 250–500 ft, >500 ft.
5. Détection des courbes combinées (verticale + horizontale).
6. Cartographie des accidents et couplage géométrie–crashes.

Modélisation statistique

• Modèle : Régression binomiale négative à inflation de zéros (ZINB).
• Variable dépendante : fréquence des crashes par segment.
• Variables explicatives : 20 combinaisons (grade × rayon).

📊 Résultats principaux

• Base : 460 000 segments routiers, 145 000 crashes (2017).
• 83 % des segments sans accident → justifie le modèle ZINB.
• Tendance générale :
  • segments avec pentes ou courbes → moins d’accidents (conducteurs plus prudents) ;
  • exceptions : segments plats (0.5–2 %) + rayons larges (>500 ft) → fréquence de crash plus élevée (excès de confiance).
• Segments longs → crash frequency ↑ (log-length coefficient 0.277***).
• Identification des 20 segments les plus dangereux du Michigan (ex. Schoolcraft Rd, W Grand River Ave).

🧠 Analyse critique

Points forts

• Méthodologie reproductible et ouverte : ArcGIS + données USGS, sans besoin de capteurs coûteux.
• Première application d’un modèle 3D complet (courbure + pente) à une large zone régionale.
• Utilisation rigoureuse de modèles statistiques avancés (ZINB).
• Outil potentiellement transférable à d’autres contextes (Europe, Asie).

Limites

• Les DEM 3 m restent imprécis pour les routes locales (biais verticaux).
• Pas d’analyse des variables comportementales (vitesse réelle, friction, visibilité).
• Les courbes 3D sont limitées : pas de torsion, de superélévation, ni de CCR (Curvature Change Rate).
• Validation restreinte à un seul État (Michigan).

🔗 Liens avec RS3 / Telemachus

• RS3 : la méthode peut être reproduite pour générer des profils 3D réalistes (DEM + courbure RS3).
• Telemachus / Fieldgroup road_geometry :
  • permet de dériver des indicateurs grade, radius, combined_curvature, crash_risk.
  • valide l’intérêt d’un pipeline open-data pour cartographier les zones à risque.
• Potentiel pour un plugin RS3 “DEM curvature profiler”.

🧩 Perspectives

• Intégration des paramètres 3D dans les cartes Telemachus (road_geometry_profile).
• Croisement avec des données réelles RS3 simulées pour valider les corrélations (accident risk vs curvature).
• Extension à d’autres pays via Copernicus DEM / IGN RGEALTI.
• Développement d’un outil Python open-source équivalent à ROCA.

Résumé en une phrase :

Hu et al. (2021) démontrent qu’il est possible de reconstruire la géométrie 3D et la dangerosité des routes locales à partir de données open source — une avancée prometteuse vers des indicateurs de sécurité géométrique intégrables à RS3 et Telemachus.