Le presque accident : Un indicateur clé pour prévenir les accidents de la route

Des accidents de la route aux presque accidents : une nuance qui peut sauver des vies

Définition d’un presque accident :

“Résultat d’une succession de facteurs et d’événements imprévisibles qui auraient pu générer un accident mais sans que ce soit le cas dans les faits.” Pendant de nombreuses années, la méthode utilisée pour améliorer la sécurité routière reposait principalement sur l’analyse a posteriori des accidents graves via les rapports de police. Aujourd’hui, les choses évoluent : pour agir efficacement, le fait de comptabiliser les accidents après ne suffit plus. Il est désormais essentiel de placer le curseur avant, en s’appuyant sur la technologie digitale pour identifier les presque accidents ou incidents de la route, ces situations à risques qui peuvent générer des circonstances d’accidents.  

Pourquoi analyser les presque accidents est essentiel pour mieux sécuriser les routes ?

Parce que la simple analyse des données d’accidentalité ne suffit plus.

Au niveau accidentalité, la situation en France est en net recul depuis 20 ans. Entre 2000 et 2010, le nombre d’accidents mortels sur la route a été divisé par 2. Et depuis 2011 la baisse est de 18 %. Cette réduction des accidents est évidemment très positive mais elle a pour conséquence de donner de moins en moins d’informations sur les zones à risques potentiels. Il apparaît donc nécessaire de trouver de nouvelles sources de donnée pour venir compléter les données d’accidentalité.  

Parce que le comportement de conduite est un facteur clef dans l’accidentalité.

En France, 90 % des accidents mortels sont liés au facteur humain. Vitesse, distraction au volant, freinages et accélérations intempestives, perte de contrôle… tels sont les principaux scénarios d’accidents. En étudiant et en agrégeant les comportements de conduite, on peut avoir une vue de l’intérieur et identifier ainsi les zones où le comportement est atypique de façon homogène. L’analyse des données de comportement de conduite est donc, aujourd’hui, un réel levier d’information.  

Parce qu’il est essentiel d’identifier les nouvelles zones à risques liées au développement des transports multimodaux.

Depuis quelques années, le nombre d’accidents mortels ayant impacté des cyclistes augmente de façon alarmante. Le développement des transports multimodaux en ville a en effet entraîné une sur-accidentalité notoire sur les cyclistes et piétons. Dans la mesure où la grande majorité des accidents graves implique un automobiliste, le fait d’analyser de près les comportements à risque des conducteurs permet de limiter les accidents sur les usagers les plus vulnérables.  

Parce que les décideurs ont besoin de leviers d’actions rapides pour gérer l’optimisation de leurs réseaux.

Pour améliorer la sécurité des routes, les responsables infrastructures et sécurité ont besoin de données rapidement exploitables afin de prioriser les zones d’intervention en fonction des comportements à risques identifiés. Une analyse proactive des presque accidents permet donc d’agir au bon endroit au bon moment et faire les bons choix en matière d’allocation de budgets, tant au niveau des infrastructures qu’au niveau des ressources humaines.

Comment faire pour identifier ces presque accidents ?

Si les presque accidents représentent une donnée clef dans la stratégie de sécurité des routes, pour les décideurs, la question est de savoir comment les identifier. Plusieurs méthodes existent aujourd’hui. La prise d’information peut s’effectuer de l’extérieur via des caméras par exemple pour avoir une image à l’instant T des incidents et les répertorier sur une zone donnée. Cependant, si cette collecte permet de visualiser les presque accidents, elle ne permet pas d’identifier précisément les comportements de conduite associés.

L’analyse des comportements de conduite : Une vraie immersion dans la réalité du conducteur

Avec l’analyse des comportements de conduite, les données viennent de l’intérieur. La collecte est réalisée soit via un boîtier télématique installé dans la voiture, soit via le smartphone du conducteur ou soit via le système embarqué d’un véhicule connecté.   Les données de conduite potentiellement collectables :

• Accélérations atypiques
• Freinages atypiques
• Vitesse excessive
• Distraction au volant (usage du téléphone portable)
• Ecarts de conduite

Comment exploiter ces données de façon très opérationnelle ? C’est le rôle des Data Scientists qui, une fois les données brutes collectées, vont s’attacher à les enrichir et à les analyser finement pour les transformer en véritable leviers d’actions. La finalité consiste à identifier et prioriser les zones à risques (ayant généré des presque accidents) selon l’atypisme des comportements.  

La gestion préventive des accidents via la détection des presque accidents par MICHELIN DDi

Spécialiste des données de mobilité intelligentes, MICHELIN DDi a développé une expertise unique en matière de Data Science qui lui permet d’apporter une analyse fine des comportements de conduite. Pour apporter aux décideurs un outil d’aide à la gestion préventive des accidents, MICHELIN DDi a développé des nouveaux services pour identifier les presque accidents à travers l’étude des événements de conduite.

L’objectif :

Prévenir les accidents en identifiant les presque accidents.

La solution :

Un service d’aide à la décision qui permet de détecter, de localiser et d’évaluer les comportements à risque via des événements de conduite atypiques (freinages, accélérations…).

La différence :

La prise en compte des données de contextualisation (météo, horaire) qui permettent d’isoler le comportement du contexte et obtenir ainsi une analyse fiable. .

Les bénéfices :

• Un diagnostic digital simplifié avec une analyse des données de comportement de conduite, pouvant s’intégrer dans le système SIG des collectivités
• Une aide à la décision opérationnelle pour prioriser les investissements en maintenance en se basant sur des faits réels
• Un gain en autonomie et économie avec un outil fiable et facile à utiliser
• Une mesure de l’impact des actions entreprises grâce à une analyse comparative des indicateurs avant / après

 Le résultat ?

Une perspective qui change la donne pour aller au-delà des données d’accidentologie : grâce à l’étude des presqu’accidents, il est possible d’identifier les zones à risque et d’agir avant que les accidents ne se produisent.