Mobilité et capteurs IoT : impact des perturbations magnétiques

La technologie que nous utilisons pour améliorer la mobilité dans les villes a beaucoup évolué ces dernières années. Nous disposons désormais de capteurs IoT (Internet des objets) pour nous aider à gérer les places de stationnement. Ces capteurs utilisent la détection magnétique pour mesurer les changements dans les champs magnétiques entourant les places de parking afin de confirmer si elles ont été occupées par un véhicule.

En collectant ces données en temps réel, ces dispositifs permettent aux conducteurs de trouver rapidement des places libres et aux gestionnaires de la mobilité de contrôler plus efficacement le stationnement dans les villes. Les véhicules passent ainsi moins de temps à tourner en rond dans les rues à la recherche de places de stationnement, ce qui améliore la mobilité urbaine et réduit les émissions polluantes.

Toutefois, ces champs magnétiques peuvent être influencés par l’environnement, ce qui peut conduire à des informations inexactes de la part des capteurs si aucune mesure n’est prise. Les perturbations magnétiques constituent un défi qui a rendu mythique l’utilisation d’appareils dotés de systèmes de détection multiples pour obtenir des résultats fiables, bien que les démonstrations récentes ne vont pas dans ce sens.

Types de perturbations magnétiques

Les perturbations magnétiques qui affectent les capteurs de détection peuvent être classées en deux catégories : les perturbations constantes et les perturbations variables. Les grandes villes ou les zones où les transports publics sont nombreux sont plus sujettes à ces perturbations et peuvent affecter la précision des capteurs de différentes manières.

Perturbations constantes

Les perturbations constantes proviennent de sources toujours présentes dans l’environnement, par exemple les installations électriques qui alimentent les bâtiments et les systèmes de transport public dans les villes. Ces câbles à haute tension, transformateurs et autres équipements électriques génèrent des champs magnétiques qui peuvent interférer avec les relevés des capteurs, provoquant des erreurs systématiques dans la collecte des données.

Perturbations variables

En revanche, les perturbations variables sont plus difficiles à prévoir car elles sont causées par des changements temporaires du champ magnétique, par exemple lors du passage de trains, de métros ou de tramways, en fonction de leur système d’alimentation électrique. Les parkings de dissuasion, également connus sous le nom de Park & Ride, sont souvent bien reliés au réseau de transport public de la ville, et sont donc également des zones sujettes aux interférences.

Comment atténuer les perturbations magnétiques

Il existe différentes approches sur le marché pour remédier à cette situation courante et améliorer la fiabilité des capteurs IoT. Deux des stratégies les plus populaires sont la détection multiple et la détection unique avec des filtres avancés.

Capteurs de détection multiples

Ces dispositifs de détection intègrent plusieurs technologies dans leur système, comme la détection magnétique, infrarouge ou radar. L’idée sous-jacente est qu’en les combinant, les faiblesses d’une technologie peuvent être compensées par les forces d’une autre, ce qui rend les résultats du capteur plus fiables. Cependant, malgré les avantages qu’elle semble offrir, il a été démontré que la multi-détection n’est souvent pas aussi rentable à long terme. En combinant plusieurs technologies, les capteurs peuvent donner des indications contradictoires, ce qui peut brouiller l’interprétation des données.

En outre, cet aspect est particulièrement sensible lors de l’étalonnage des capteurs, car une erreur dans une détection peut interférer avec l’étalonnage de l’autre, entraînant un étalonnage sous-optimal qui affecterait la fiabilité de la détection.

Capteurs à détection unique avec filtres avancés

Une autre approche, plus réjouissante, consiste à optimiser un système de détection unique au moyen de filtres avancés. Ces filtres sont conçus pour minimiser l’impact du bruit magnétique et des perturbations qu’il génère. Contrairement à l’approche précédente, cette méthode réduit le risque de fausses lectures et simplifie la maintenance des capteurs.

U-Spot : détection IoT place par place

Découvrez nos capteurs autonomes encastrés pour détecter l'occupation des places de parking une à une ! Optimisez l'espace et améliorez l'expérience de stationnement.

En savoir plus

Étalonnage avant détection

Une fois les capteurs installés, il est important d’effectuer un processus d’étalonnage continu pour les adapter à l’endroit où ils fonctionneront. Ce processus est réalisé à l’aide d’algorithmes d’intelligence artificielle capables de filtrer les interférences magnétiques présentes pour un étalonnage optimal au fil du temps. En ajustant constamment le capteur aux conditions environnantes, sa précision est améliorée, ce qui lui permet d’ignorer les perturbations susceptibles d’affecter ses performances.

Filtrage des capteurs

Une fois le capteur en fonctionnement, des filtres supplémentaires peuvent être appliqués pour éliminer les interférences magnétiques, ne laissant que les valeurs correctes pour l’application des algorithmes de détection. Ces filtres sont également configurables en fonction des besoins de chaque projet et de chaque capteur.

Filtrage sur la plateforme

Outre le filtrage au niveau du capteur, le filtrage peut être effectué au niveau de la plateforme ou du serveur en tenant compte des informations provenant de plusieurs capteurs. Cela facilite la détection des anomalies à l’aide d’algorithmes basés sur l’intelligence artificielle.

Cette capacité est l’un des avantages du traitement en nuage par rapport au traitement local. L’utilisation de plateformes centralisées permet d’utiliser des algorithmes plus avancés, d’effectuer des mises à jour rapides et de combiner des données provenant de différentes sources. Tout cela contribue à améliorer la précision du système. </p>

Histoire d’une réussite : la détection des formes à Vienne

En Autriche, nous avons eu l’occasion de réaliser un projet d’amélioration du stationnement et de la mobilité dans le centre commercial Shopping City Süd à Vienne. Notre objectif était de réduire l’encombrement des 3 000 places de stationnement extérieures et d’améliorer l’expérience client. Pour ce faire, nous avons utilisé des capteurs IoT installés au niveau du sol qui transmettent des informations sur la disponibilité des places.

Une fois les dispositifs installés, avant leur utilisation, nous analysons l’environnement pour les configurer en fonction des besoins de l’espace. Nous prenons toujours en compte les perturbations magnétiques qui peuvent affecter la précision des capteurs et, dans ce cas, nous détectons le passage d’un train à proximité à des moments précis sur la base d’algorithmes d’intelligence artificielle. Une fois ces schémas détectés, nous appliquons des filtres avancés pour ajuster la sensibilité des capteurs IoT afin de détecter avec précision l’occupation des places de stationnement.

Bien qu’il existe une multitude d’approches pour résoudre les perturbations magnétiques, l’alternative qui s’est avérée la plus efficace ces dernières années est l’utilisation de filtres intelligents sur les capteurs à détection unique. Cette méthode facilite l’étalonnage des dispositifs et évite les lectures erronées qui peuvent nuire à la fiabilité du système et, par conséquent, à l’expérience des conducteurs.

Chez Urbiotica, nous innovons constamment pour améliorer la technologie IoT de nos capteurs, en développant des filtres avancés qui nous permettent d’ajuster la précision des dispositifs à différents environnements et besoins. Nous proposons des solutions pour tous les types d’infrastructures urbaines, avec des données fiables et en temps réel.