FR3113328A1

FR3113328A1 - Procédé et dispositif de prédiction d’une condition météorologie sur un réseau routier

Info

Publication number: FR3113328A1
Application number: FR2008390A
Authority: FR
Inventors: Jonathan BONNET; Nicolas Renard; Christophe ADONIS
Original assignee: Continental Automotive France SAS
Current assignee: Continental Automotive Technologies GmbH
Priority date: 2020-08-10
Filing date: 2020-08-10
Publication date: 2022-02-11
Anticipated expiration: 2040-08-10
Also published as: JP2022032046A; US20220042819A1; FR3113328B1

Abstract

L’invention concerne un procédé de prédiction d'une condition météorologique à un emplacement particulier d'un réseau routier s'étendant sur au moins une zone météo partitionnée en une pluralité de cellules météo, le procédé comprenant des étapes d’obtention (304), à partir d'un fournisseur de prévisions météo, d'une première donnée relative à une prévision météorologique globale pour ladite zone météo, de réception (305), en provenance d'un premier véhicule en circulation dans une première cellule météo, d'une deuxième donnée relative à une modification d'une condition météo détectée par au moins un capteur du véhicule. Le procédé de prédiction est remarquable en ce qu’il comporte en outre des étapes de prédiction (306) d'une probabilité d'une condition météo pour au moins une cellule météo cible par application d'un modèle de prédiction associé à la cellule cible à au moins la première donnée et la seconde donnée, et de transmission de la condition météo prédite vers au moins un deuxième véhicule. Figure 3.

Description

Procédé et dispositif de prédiction d’une condition météorologie sur un réseau routier

Art antérieur

Les conditions météo sont un facteur important de sécurité routière. En outre, certaines fonctions de conduite autonome ne devraient pas être utilisées dans des conditions météo particulières, par exemple en cas de pluie ou de risque de verglas.

Les fournisseurs de prévisions météo proposent des prédictions géolocalisées avec une résolution spatiale de l’ordre du kilomètre, actualisées à des fréquences de l’ordre de la quinzaine de minutes.

Toutefois, ces prévisions météo n’ont pas la précision requise pour prédire des événements très localisés, comme par exemple une averse ou une nappe de brouillard. En effet, ces prédictions sont données pour une large zone qui ne tient pas compte des caractéristiques locales.

On connait en outre des techniques permettant de détecter des événements météo localisés. Par exemple, la demande de brevet US20080030370 propose de détecter des conditions météo à partir de l’état d’activation d’équipements sur des véhicules circulant sur un réseau routier. Selon ce procédé, l’état d’activation d’un essuie-vitre est transmis par des véhicules qui circulent sur un réseau routier. A partir de ces données, le serveur peut calculer une zone d’intempérie et informer d’autres véhicules de ces conditions météo.

Toutefois, une détection d’intempérie basée uniquement sur l’état d’activation d’équipements dans le véhicule peut conduire à des erreurs. Par exemple, un conducteur peut oublier d’éteindre ses feux de brouillard après avoir traversé une nappe de brouillard, ou les essuie-vitres peuvent être utilisés pour nettoyer un pare-brise sale alors qu’il ne pleut pas.

Ainsi, il existe un besoin pour améliorer la précision des prédictions, et notamment pour augmenter la résolution spatiale des prédictions météo.

A cet effet, il est proposé un procédé de prédiction d'une condition météorologique à un emplacement particulier d'un réseau routier s'étendant sur au moins une zone météo partitionnée en une pluralité de cellules météo, le procédé comprenant les étapes suivantes :

Obtention, à partir d'un fournisseur de prévisions météo, d'une première donnée relative à une prévision météorologique globale pour ladite zone météo,
Réception, en provenance d'un premier véhicule en circulation dans une première cellule météo, d'une deuxième donnée relative à une modification d'une condition météo détectée par au moins un capteur du véhicule.

Le procédé de prédiction est remarquable en ce qu'il comporte en outre des étapes de :

Prédiction d'une probabilité d'une condition météo pour au moins une cellule météo cible par application d'un modèle de prédiction associé à la cellule cible à au moins la première donnée et la seconde donnée, et
Transmission de la condition météo prédite vers au moins un deuxième véhicule.

Ainsi, en appliquant un modèle de prédiction à une prévision météo globale pour la région et une donnée relative à une modification d’une condition météo détectée dans au moins une cellule particulière voisine d’une cellule courante, le procédé permet de prédire une condition météorologique dans la cellule courante avec une précision améliorée par rapport à l’état de la technique. On entend ici par « changement d’une condition météo » une modification d’au moins un paramètre météo, par exemple le passage d’un temps sec à un temps pluvieux ou inversement, l’entrée ou la sortie dans une nappe de brouillard, une modification significative d’une température extérieure, etc… Lorsqu’un véhicule transmet des données caractéristiques d’un tel changement de condition météo, les données sont utilisées pour affiner une prévision météorologique globale de la région à laquelle appartient la cellule météo dans laquelle le changement est détecté, c’est-à-dire améliorer la résolution spatiale et temporelle de la prévision. Pour cela, il est proposé de mettre en œuvre un modèle de prédiction entrainé à cet effet permet et de tirer parti de la détection d’un front météo dans une ou plusieurs cellules météo pour améliorer la précision et la fiabilité d’une prévision météo pour d’autres cellules voisines appartenant à la même région.

Une cellule est dite voisine d’une cellule courante quand elle appartient à la même région météo pour laquelle une prévision globale peut être obtenue et quand la distance qui la sépare de la cellule courante est inférieure à un seuil. Par exemple, une cellule voisine est une cellule contigüe, ou bien une cellule séparée de la cellule courante par une ou plusieurs autres cellules.

Le procédé permet ainsi de prédire une condition météorologique à l’emplacement du second véhicule. Bien entendu, la prédiction peut être transmise vers une pluralité de seconds véhicules, y compris vers le premier véhicule. Par exemple, la prédiction peut être transmise sous la forme d’une carte météorologique dont la précision est améliorée par des prédictions réalisées pour une pluralité de cellules courantes d’une zone météo et transmise ou mise à disposition d’une pluralité de véhicules en circulation à proximité ou dans la zone météo.

Selon une réalisation particulière, le procédé comprend une phase préalable d'entrainement du modèle de prédiction associé à la cellule météo cible, l'entrainement comprenant au moins les étapes suivantes :

Obtention d'une troisième donnée comprenant une prévision météo globale relative à ladite zone météo, et
Obtention d'une quatrième donnée relative à une modification d'une condition météo dans au moins une première cellule de la zone météo, la modification étant détectée à un premier instant par au moins un capteur d'un véhicule en circulation dans la première cellule, et
Entrainement du modèle de prédiction à partir d'un vecteur caractéristique comprenant au moins la troisième donnée et la quatrième donnée, et d'une donnée cible relative à une observation météo obtenue pour un deuxième instant dans la cellule météo cible de la zone météo.

Ainsi, il est proposé d’entrainer le modèle de prédiction pour prédire une condition météo dans une cellule particulière à partir d’une prévision météo globale pour la région comprenant la cellule et d’une donnée relative à un changement de condition météo détecté par un véhicule en circulation dans une cellule courante. La donnée relative à un changement de condition météo comprend au moins une première et une seconde conditions météo détectées successivement par un véhicule au cours de sa circulation dans une cellule. Une telle donnée permet de caractériser un front météo, par exemple un front pluvieux délimitant une zone sans pluie d’une zone pluvieuse. Le procédé d’entrainement permet ainsi d’établir des corrélations entre les caractéristiques d’un tel front météo, une prévision météo globale, et une condition météo cible effectivement constatée dans au moins une autre cellule de la zone géographique.

La modification de condition météo détectée dans la première cellule et l’observation météo dans la deuxième cellule peuvent être réalisées par un unique véhicule ou par des véhicules distincts.

Selon une réalisation particulière, la troisième donnée, la quatrième donnée, et la donnée cible à partir desquelles est entrainé le modèle sont relatives à des instants compris dans une même fenêtre temporelle dont la durée est inférieure à un seuil prédéfini.

Une plage temporelle réduite permet d’établir une meilleure corrélation entre la modification de condition météo dans une première cellule et la condition météo observée dans la deuxième cellule. La fiabilité des prédictions est ainsi améliorée.

Dans un mode particulier de réalisation, le procédé est tel qu’une donnée relative à une modification d’une condition météo comprend au moins :

Un premier état d’activation d’au moins un équipement du véhicule,
Un deuxième état d’activation de l’au moins un équipement du véhicule,
Une direction de déplacement du véhicule.

Il est proposé de déterminer une modification d’une condition météo à partir de l’activation, de la désactivation ou plus généralement d’un changement d’état d’un équipement d’un véhicule. De cette façon, il est possible de déterminer de façon indirecte les caractéristiques d’un front météo en utilisant des équipements standards sur un véhicule.

La direction de circulation du véhicule qui a réalisé la détection permet de caractériser davantage le front météo en donnant une information sur son orientation. Une telle donnée permet d’améliorer la prédiction en renforçant les corrélations dans le modèle.

Selon une réalisation particulière, le procédé est tel que le premier état d’activation et le second état d’activation sont relatifs à au moins un équipement du véhicule sélectionné parmi les équipements de la liste suivante :

Un essuie-vitre du véhicule,
Un projecteur du véhicule,
Un capteur de pluie du véhicule,
Un microphone,
Un thermomètre.

Ainsi, le premier et le second état d’activation du véhicule peut se rapporter à un essui-vitre. LE fait qu’un essui-vitre soit dans un premier état inactif puis dans un second état actif, ou inversement, permet de déduire la traversée d’un front météo par le véhicule. De même, le fait d’allumer ou d’éteindre les projecteurs d’un véhicule, ou l’état d’un capteur de pluie permet de déduire un changement de condition météo rencontré par le véhicule. Certains véhicules peuvent être équipés d’un microphone extérieur, permettant d’analyser le bruit de roulement du véhicule pour déterminer une condition de surface du véhicule. L’état d’un tel microphone permet également de déduire la traversée d’un front météo par le véhicule. Selon un autre exemple, un brusque changement de température extérieure mesurée par un thermomètre peut également être utilisé pour déduire un changement de condition météo.

Selon un autre aspect, l’invention concerne un dispositif de prédiction d’une condition météorologique à un emplacement particulier d’un réseau routier s’étendant sur au moins une zone météo partitionnée en une pluralité de cellules météo, le dispositif comprenant une interface de communication, une mémoire et un processeur, le processeur et l’interface de communication étant configurés par des instructions enregistrées dans la mémoire pour mettre en œuvre les étapes suivantes :

Obtention, à partir d’un fournisseur de prévisions météo, d’une première donnée relative à une prévision météorologique globale pour ladite zone météo,
Réception, en provenance d’un premier véhicule en circulation dans une première cellule météo, d’une deuxième donnée relative à une modification d’une condition météo détectée par au moins un capteur du véhicule.

Le dispositif de prédiction est remarquable en ce que le processeur et l’interface de communication sont en outre configurés par des instructions enregistrées dans la mémoire pour mettre en œuvre des étapes de :

Prédiction d’une probabilité d’une condition météo pour au moins une deuxième cellule météo par application d’un modèle de prédiction à au moins la première donnée et la seconde donnée, et
Transmission de la condition météo prédite vers au moins un deuxième véhicule.

Selon un mode particulier de réalisation, le dispositif est tel que le processeur et l’interface de communication sont en outre configurés par des instructions enregistrées dans la mémoire et adaptées pour mettre en œuvre un entrainement préalable du modèle de prédiction selon au moins les étapes suivantes :

Obtention d'une troisième donnée comprenant une prévision météo globale relative à ladite zone météo, et
Obtention d'une quatrième donnée relative à une modification d'une condition météo dans au moins une première cellule de la zone météo, la modification étant détectée à un premier instant par au moins un capteur d'un véhicule en circulation dans la première cellule,
Entrainement du modèle de prédiction à partir d'un vecteur caractéristique comprenant au moins la troisième donnée et la quatrième donnée, et d'une donnée cible relative à une observation météo obtenue pour un deuxième instant dans au moins une deuxième cellule météo de la zone météo.

L’invention concerne aussi un serveur comprenant un dispositif de prédiction tel que décrit ci-avant.

Selon encore un autre aspect, l’invention concerne un support d’information comportant des instructions de programme d’ordinateur configurées pour mettre en œuvre les étapes d’un procédé de prédiction tel que décrit précédemment, lorsque les instructions sont exécutées par un processeur.

Le support d'information peut être un support d'information non transitoire tel qu'un disque dur, une mémoire flash, ou un disque optique par exemple.

Le support d'informations peut être n'importe quelle entité ou dispositif capable de stocker des instructions. Par exemple, le support peut comporter un moyen de stockage, tel qu'une ROM, RAM, PROM, EPROM, un CD ROM ou encore un moyen d'enregistrement magnétique, par exemple un disque dur.

D'autre part, le support d'informations peut être un support transmissible tel qu'un signal électrique ou optique, qui peut être acheminé via un câble électrique ou optique, par radio ou par d'autres moyens.

Alternativement, le support d'informations peut être un circuit intégré dans lequel le programme est incorporé, le circuit étant adapté pour exécuter ou pour être utilisé dans l'exécution du procédé en question.

Les différents modes ou caractéristiques de réalisation précités peuvent être ajoutés indépendamment ou en combinaison les uns avec les autres, aux étapes du procédé de prédiction. Les serveurs et dispositifs présentent au moins des avantages analogues à ceux conférés par le procédé auquel ils se rapportent.

D’autres caractéristiques et avantages de l’invention apparaîtront encore à la lecture de la description qui va suivre. Celle-ci est purement illustrative et doit être lue en regard des dessins annexés sur lesquels :

La figure est une vue d’un environnement adapté pour la mise en œuvre du procédé de prédiction selon un mode particulier de réalisation,

La figure représente une zone météo comprenant un réseau routier composé d’un ensemble de voies de circulations,

La figure représente la zone météo de la figure 2a partitionnée en une pluralité de cellules météo, et des segments routiers sur lesquelles circulent des véhicules,

La figure est un ordinogramme représentant les principales étapes du procédé de prédiction selon un mode de réalisation particulier, et

Les figures , [Fig. 4b], [Fig. 4c], [Fig. 4d] et [Fig. 4e] représentent une pluralité de cellules météo au travers desquelles s’étend un segment routier et une probabilité de précipitation associée à chacune des cellules.

Description détaillée

La figure 1 représente un véhicule 100 circulant sur un segment routier 101. Le véhicule 100 comprend une unité de commande électronique (ECU pour Electronic Command Unit) à laquelle sont reliés une pluralité de capteurs par l’intermédiaire d’un bus de communication, par exemple un bus CAN (Controller Area Network). L’unité de commande est en outre connectée à une interface de communication 104 permettant au véhicule d’échanger des messages avec un serveur 107. Il s’agit par exemple d’une interface réseau 2G, 3G, 4G, 5G, WiFi ou WiMax adaptée pour établir une connexion avec un réseau de communication 105 par l’intermédiaire d’un réseau d’accès cellulaire 106. Ainsi, l’unité de commande peut acquérir des données en provenance de différents capteurs et transmettre ces données au serveur 107 dans un message, par exemple dans un message json (JavaScript Object Notation), transmis au moyen d’un protocole de transport adapté tel que http.

Les capteurs du véhicule 100 permettent à l’unité de commande de déterminer l’état d’activation de différents équipements du véhicule, comme par exemple l’état d’activation d’un essuie-vitre 102 ou de feux antibrouillards 103 du véhicule et de transmettre une telle information d’activation ou de désactivation au serveur 107. Le véhicule 100 peut comprendre d’autres types de capteurs, par exemple un microphone, un thermomètre ou un capteur de pluie permettant de déterminer une condition météorologique dans la zone de circulation du véhicule.

Le véhicule comprend également un dispositif de localisation de type GNSS (Global Navigation Satellite System), permettant à l’unité de commande électronique de connaître la position du véhicule ainsi que son orientation dans un référentiel global. Le dispositif de localisation permet ainsi à l’unité de commande d’obtenir la longitude et la latitude du véhicule, ainsi que la direction de déplacement du véhicule, et de transmettre ces informations au serveur 107 dans un message adapté via l’interface de communication 104.

Le serveur 107 est un serveur de traitement adapté pour recevoir des données en provenance de véhicules tels que le véhicule 100. Pour cela, le serveur comprend un processeur et une mémoire dans laquelle sont enregistrées des instructions adaptées pour être exécutées par le processeur. Le serveur comprend en outre une interface réseau, par exemple une interface Ethernet lui permettant de se connecter au réseau de communication 105 et d’échanger des messages avec d’autres dispositifs, comme avec le véhicule 100 ou avec d’autres serveurs.

En particulier, le serveur 107 peut échanger des messages avec un serveur de prévision météo 108. Le serveur 108 est par exemple un serveur d’un fournisseur de prévision météo. Ainsi, en transmettant une requête particulière au serveur 108, comprenant par exemple un identifiant d’une zone géographique, le serveur 107 peut recevoir une prévision météo pour ladite zone géographique. Une telle prévision météo comprend par exemple des probabilités d’occurrence de différents événements météorologiques, par exemple des probabilités de précipitations associées à des types de précipitations. Par exemple le serveur 108 fournit sur requête du serveur 107 des prévisions météo à 15 minutes sur des zones géographiques dont les dimensions sont de l’ordre du kilomètre.

La figure 2a représente une carte 200 d’un réseau routier s’étendant sur une région géographique particulière. La zone représentée sur la carte correspond par exemple à un carré de 800 mètres de côté. Le réseau routier comprend une pluralité de segments routiers 201 à 203, un segment routier correspondant à une section de route délimitée par deux intersections. La zone représentée sur la figure 2a correspond à une zone météo pour laquelle le serveur 108 peut par exemple fournir des prévisions de précipitations à 15 minutes lorsqu’il est interrogé par le serveur 107. Ces prévisions sont par exemple une probabilité qu’un événement météo de type « pluie » se produise dans la zone. La prévision étant donnée globalement pour la zone, elle ne permet pas de déterminer avec précision la probabilité de pluie à un emplacement particulier du réseau routier parcourant la zone.

La figure 2b montre la même carte géographique dans laquelle la zone météo est subdivisées en une pluralité de cellules météo A1 à H8. Les dimensions de ces cellules sont par exemple de l’ordre d’une centaine de mètres de côté. Sur la figure 2b, on a également représenté une pluralité de véhicules 205 en déplacement sur le réseau routier de la zone météo. Par exemple, dans la cellule E3, un véhicule est en cours de déplacement vers la droite sur le segment 203, un autre représenté dans la cellule B4 circule sur le segment 202. Il s’agit par exemple de véhicules tels que le véhicule 100 décrit en référence à la figure 1, adaptés pour transmettre au serveur 107 des données issues de capteurs embarqués ou d’équipements, et notamment des données relatives à un changement d’état d’activation d’un équipement du véhicule. Enfin, on a représenté une pluralité de stations météo au sol 204, dans les cellules F3 et B7, adaptées pour réaliser des observations météo et transmettre ces observations à un serveur tel que le serveur de traitement 107. Ces stations météo permettent de remonter vers le serveur des observations météo à l’emplacement de la station, par exemple un niveau et/ou un type de précipitations ou une température. D’autres moyens pour remonter une telle observation peuvent être envisagés, par exemple des capteurs d’un véhicule en circulation dans la cellule, comme un capteur de pluie, un thermomètre extérieur ou un capteur d’activation d’un essuie-vitre peuvent être utilisés pour remonter vers le serveur une observation météo à un emplacement particulier. Ces observations permettent de fournir au serveur 107 une vérité terrain concernant les conditions météo dans une cellule particulière de la zone météo.

Le procédé de prédiction va maintenant être décrit en référence à la figure 3.

Dans une réalisation particulière, le procédé comprend une phase d’apprentissage préalable, au cours de laquelle un modèle de prédiction est entrainé à prédire une condition météo pour une ou plusieurs cellules particulières d’une zone météo à partir de prévisions météo pour une zone comprenant ladite cellule et de données transmises par un ou plusieurs véhicules.

La phase d’apprentissage comprend une première étape 300 au cours de laquelle le serveur 107 interroge le serveur de prévisions météo 108 afin de recevoir des prévisions météo PREV1 pour la zone 200. De telles prévisions correspondent par exemple, pour une zone météorologique particulière, à des probabilités associées à différentes conditions météorologiques. Par exemple, il peut s’agir de probabilités de pluie, de neige, de brouillard, des températures, etc… Le serveur 107 peut interroger le serveur 108 de manière régulière pour obtenir des probabilités à jour, par exemple toutes les 15 minutes, pour différentes zones météo d’un territoire. L’interrogation du serveur 108 peut se faire en transmettant une requête conforme à un protocole de communication adapté, par exemple http, la requête comprenant par exemple un identifiant de la zone géographique pour laquelle la prévision est demandée identifiée par un géohash. La réponse du serveur 108 peut consister en un message au format JSON comprenant les prévisions disponibles pour la zone.

Selon une réalisation particulière, le serveur 107 obtient en outre un historique météo auprès du serveur 108, l’historique comprenant des observations et/ou des prévisions sur une fenêtre temporelle glissante prédéterminée, par exemple une fenêtre de 6 heures comprenant des observations sur les quatre dernières heures et des prévisions pour les deux heures à venir.

Lors d’une étape 301, le serveur 107 reçoit, en provenance d’au moins un véhicule en circulation sur un segment routier, une première donnée OBS1 relative à au moins une condition météorologique rencontré à un emplacement particulier. A partir de cet emplacement, donné sous la forme d’une longitude et d’une latitude, le serveur 107 détermine une première cellule météo dans laquelle a été observée l’au moins une condition météo. Le serveur 107 reçoit ces données OBS1 via son interface de communication. Les données reçues sont par exemple formatées dans un message conforme au format JSON comprenant, outre les données relatives à une condition météorologique, une localisation géographique à laquelle la condition météorologique a été observée. Ces données sont par exemple transmises par les véhicules 205 situés dans les cellules B4 et E3 de la figure 2b.

Selon un mode particulier de réalisation, les données OBS1 comprennent des données issues de capteurs du véhicule, comme par exemple une température obtenue par un capteur de température extérieure du véhicule, ou une intensité de précipitation détectée par un capteur de pluie.

Dans une réalisation particulière, les données OBS1 comprennent une indication relative à un changement de conditions météorologique. L’indication relative à un changement de conditions météorologiques comprend par exemple une donnée relative à l’activation ou à la désactivation d’un équipement du véhicule, par exemple, l’activation, la désactivation ou un changement de fréquence d’un essuie-vitre, l’activation ou la désactivation de projecteurs, par exemple antibrouillard. La modification de l’état d’activation de tels équipements permet de localiser un front météo, c’est-à-dire par exemple l’entrée ou la sortie d’un véhicule dans une zone de pluie ou dans une nappe de brouillard.

Selon encore un mode de réalisation particulier, les données OBS1 comprennent en outre une direction dans laquelle circule le véhicule. La donnée de direction est par exemple déterminée par un capteur de type magnétomètre embarqué dans le véhicule, ou bien déterminée à partir de positions successives obtenues par un récepteur de type GNSS. La direction du véhicule associée à la donnée relative à l’activation ou à la désactivation d’un équipement du véhicule permet de déterminer la direction dans laquelle s’étend une zone de pluie ou une nappe de brouillard.

Ainsi, dans un mode de réalisation préféré, lorsqu’un véhicule détecte, par exemple via le bus CAN (Controller Area Network), que des projecteurs ou qu’un essuie-vitre du véhicule est activé, il transmet l’information correspondante au serveur 107, ainsi que sa position et une direction dans laquelle il se déplace. De cette façon, lorsque le véhicule entre dans une zone pluvieuse, le serveur 107 reçoit une information comprenant par exemple un premier état « actif », un second état « inactif » de l’essuis-vitre, une position géographique du changement d’état, et une direction de déplacement du véhicule. Ces informations permettent au serveur de déterminer le type, la position et l’orientation d’un front météo, c’est-à-dire l’emplacement et d’orientation d’une transition entre des conditions météo différentes.

Lors d’une étape 302, le serveur reçoit une observation météo OBS2 relative à au moins une deuxième cellule de la zone météo. Cette observation OBS2 constitue une vérité terrain qui peut être transmise par une des stations météo fixes 204 ou par un véhicule en circulation adapté pour transmettre une observation météo, par exemple un des véhicules 205. L’observation OBS2 peut également être signalée par un utilisateur, par exemple au moyen d’un terminal mobile, ou par tout autre moyen adapté (caméra associée à un dispositif d’analyse d’image, microphone associé à un dispositif d’analyse du signal). La deuxième cellule est une cellule voisine de la première cellule, par exemple une cellule appartenant à la même zone météo, contigüe à la première cellule ou séparée de la première cellule par une ou plusieurs cellules intermédiaires. En référence à la figure 2b, les cellules F3 et B7 sont respectivement voisines des cellules E3 et B4.

De préférence, la première donnée OBS1 obtenue pour la première cellule à l’étape 301 et la deuxième donnée obtenue OBS2 à l’étape 302 pour la deuxième cellule, voisine de la première cellule, correspondent à des instants d’observations qui sont compris dans une même fenêtre temporelle dont la durée est inférieure à un seuil prédéterminé, par exemple une fenêtre temporelle d’une durée inférieure à un seuil de 15 minutes. En variante, le seuil peut être adaptatif, et varier selon la distance qui sépare la première cellule de la deuxième cellule voisine. Par exemple, plus la distance qui sépare la première de la deuxième cellule est importante, plus la durée de la fenêtre temporelle comprenant les observations correspondantes est courte. Autrement dit, la durée de la fenêtre temporelle est inversement proportionnelle à la distance séparant les cellules considérées.

A l’étape 303, le serveur 107 crée au moins un vecteur caractéristique comprenant au moins la première donnée PREV1 concernant la prévision météo globale obtenue pour la zone météo à l’étape 300, la deuxième donnée OBS1 relative à une condition météo observée par un véhicule 205 dans une première cellule et obtenue lors de l’étape 301, et une donnée cible OBS2 relative à une observation météo obtenue à l’étape 302 pour au moins une deuxième cellule météo de la zone météo. Le vecteur ainsi constitué est utilisé pour entrainer un modèle de prédiction particulier associé à la cellule pour laquelle une vérité terrain a été obtenue à l’étape 302 selon une technique d’apprentissage supervisé adaptée. Bien entendu, le modèle de prédiction associé à une cellule particulière peut être entrainé par une pluralité de vecteurs caractéristiques comprenant des données transmises par une pluralité de véhicules à une variété de localisation.

Dans un mode de réalisation particulier, un modèle de prédiction particulier est associé à chacune des cellules de la zone météo et entrainé pour prédire une condition météo dans la cellule à laquelle il est associé.

Ainsi, le modèle de prédiction associé à la cellule F3 de la figure 2b peut être entrainé à partir d’un premier vecteur caractéristique constitué d’une valeur Pz représentative de la probabilité d’une condition météo particulière prévue globalement sur la zone météo, obtenue par exemple à partir du serveur 108, d’une valeur Po(E3) représentative d’une condition météo, ou d’un changement de condition météo observé par un véhicule 205 dans la cellule E3, d’un identifiant de la cellule E3, et d’une observation météo Pc(F3) relative à la cellule F3 transmise par exemple par une station météo 204 ou un véhicule en circulation dans la cellule F3.

Le modèle associé à la cellule F3 peut également être entrainé à partir d’une pluralité de deuxièmes vecteurs caractéristiques, par exemple à partir d’un deuxième vecteur constitué de la valeur Pz représentative de la probabilité d’une condition météo particulière prévue globalement sur la zone météo, obtenue par exemple à partir du serveur 108, d’une valeur Po(B4) représentative d’une condition météo ou d’un changement de condition météo observé par un véhicule 205 dans la cellule B4, d’un identifiant de la cellule B4, et d’une observation météo Pc(F3) relative à la cellule F3 transmise par exemple par une station météo 204 ou un véhicule en circulation dans la cellule F3.

Un tel entrainement permet au modèle associé à la cellule F3 d’établir des corrélations entre une prévision PREV1 météo pour la zone météo considérée, une première condition météo OBS1 observée dans une cellule particulière (de préférence un changement de condition météo) et une deuxième condition météo OBS2 observée dans une cellule cible. En répétant l’entrainement pour les modèles de prédictions associés à chacune des cellules de la zone météo, on obtient un système entrainé pour prédire avec précision une condition météo dans une cellule cible particulière d’une zone météo considérée.

On note en outre que dans une réalisation préférentielle, les valeurs Po représentative d’une condition météo ou d’un changement de condition météo observé dans une cellule particulière par un véhicule 205 servent de vérité terrain pour entrainer le modèle de prédiction associé à cette cellule particulière.

Lors d’une seconde phase, dite phase de prédiction, un modèle de prédiction entrainé est utilisé pour prédire une condition météo PRED dans une cellule cible à partir de données transmises par un véhicule en circulation dans une cellule courante, et de manière optionnelle d’une prédiction réalisée pour une cellule voisine.

A cet effet, le procédé de prédiction comprend une étape 304 d’obtention, à partir d'un fournisseur de prévisions météo, d'une donnée PREV2 relative à une prévision météorologique globale pour ladite zone météo et une étape 305 de réception, en provenance d'un premier véhicule en circulation dans une première cellule météo, d'une donnée OBS3 relative à une modification d'une condition météo détectée par au moins un capteur du véhicule. Les étapes 304 et 305 correspondent aux étapes 300 et 301 décrites ci-avant et permettent d’obtenir les données décrites ci-avant en référence aux étapes 300 et 301.

Lors d’une étape 306, le serveur 107 infère au moins un modèle de prédiction de la zone météo afin d’obtenir une prédiction PRED d'une probabilité d'une condition météo pour au moins une cellule météo courante. Pour cela, le serveur 107 crée un vecteur caractéristique comprenant au moins la donnée PREV2 obtenue auprès du serveur de prévision 108, la donnée OBS3 transmise par un véhicule en circulation dans une cellule voisine de la cellule courante, et l’identifiant de la cellule à laquelle se rapporte la donnée OBS3. Dans une réalisation particulière, la donnée OBS3 est le résultat d’une prédiction réalisée au préalable pour une cellule voisine de la cellule courante.

Dans un mode de réalisation particulier, la condition prédite est un front météo. Dans ce cas, le vecteur caractéristique utilisé pour entrainer le modèle et pour réaliser la prédiction peut comprendre une indication relative à la présence d’un front météo dans une cellule particulière. Une telle disposition tire parti du fait que par exemple lorsqu’un front est-oust est détecté dans une cellule courante, la probabilité qu’on front de même type et orienté de manière similaire soit présent dans une cellule située au nord ou au sud de la cellule courante est importante.

Enfin, le procédé comprend une étape 307 de transmission de la condition météo prédite vers au moins un deuxième véhicule. La transmission s’effectue par exemple sous la forme d’une carte météo comprenant des prédictions réalisées pour au moins une cellule de la zone météo considérée.

Un tel procédé permet d’obtenir une carte météo particulièrement précise, notamment lorsque qu’une pluralité de véhicules contributeurs circulent sur le réseau routier.

Ainsi, lorsque le serveur 107 reçoit une indication en provenance d’un véhicule selon laquelle un changement de condition météorologique est détecté, le serveur met à jour les prédictions pour un ensemble de cellules voisines de la cellule dans laquelle un changement de condition est détecté. Ces nouvelles prédictions sont utilisées pour inférer les autres modèles de la zone météo de proche en proche afin de mettre à jour une carte météo et transmettre cette carte mise à jour vers au moins un véhicule lors d’une étape 307. Une telle carte permet d’informer avec précision un véhicule sur la position d’un front pluvieux ou d’une nappe de brouillard afin par exemple de configurer un équipement du véhicule et/ou d’alerter l’utilisateur. Par exemple, une telle carte peut permettre à un véhicule d’allumer automatiquement des projecteurs antibrouillards à l’approche d’une nappe de brouillard, ou bien d’alerter le conducteur au moyen d’un message sonore ou visuel afin que celui-ci adapte son allure.

Un autre exemple de mise en œuvre du procédé va maintenant être décrit en référence aux figures 4a à 4c. Les caractéristiques de ce mode de réalisation peuvent être combinées avec le mode de réalisation décrit ci-avant.

Les figures 4a à 4c représentent de manière simplifiée un unique axe routier 401 d’une zone météo partitionnée en un ensemble 400 de cellules météo notée A à G traversées par un segment routier 401, ainsi qu’un véhicule 410 dont les caractéristiques sont similaires à celles du véhicule 100 décrit précédemment en relation avec la figure 1.

Le serveur 107 comprend une base de données dans laquelle chaque cellule météo A à G est associée à au moins une probabilité d’un événement météo. La base de données comprend ainsi, pour chaque cellule A à G, une probabilité qu’il pleuve, une probabilité de brouillard, une probabilité de verglas, etc. ou encore une probabilité de présence d’un front météo particulier. Ces probabilités sont régulièrement mises à jour à partir de prévisions obtenues auprès d’un fournisseur de prévision météo, et à partir d’observations transmises par des véhicules en circulation comme le véhicule 410 lorsqu’elles sont disponibles. En l’absence d’observation en provenance d’un véhicule, la probabilité est déterminée à partir des prévisions du fournisseur de prévision météo pour la zone météo considérée. Sur la figure 4a, en l’absence de donnée provenant d’un véhicule, des probabilités de temps sec représentées par un soleil associé à chaque cellule A à G sont ainsi déterminées à partir des prévisions fournies par un fournisseur de prévisions météo.

On considère maintenant en référence à la figure 4b que le véhicule 410, circulant toujours dans la cellule B en direction de la cellule C, entre dans une zone pluvieuse. En entrant dans la zone, les essuie-vitres du véhicule 410 sont activés, soit par le conducteur, soit automatiquement grâce à un capteur de pluie du véhicule. Une information relative à l’activation d’un essuie-vitre et/ou de détection de pluie par un capteur de pluie est alors transmise au serveur 107 par le véhicule 410 dans un message adapté. Le message comprend ainsi la position du véhicule, par exemple sa latitude et sa longitude, la direction dans laquelle il circule et une caractéristique de l’observation météo, par exemple un indicateur d’activation de l’essui-vitre.

A la réception de ce message, le serveur 107 détermine la cellule dans laquelle circule le véhicule à partir de la localisation comprise dans le message et met à jour la probabilité de pluie associée à cette cellule. Ainsi, une observation « pluie » étant transmise par le véhicule 410, la probabilité qu’il pleuve dans la cellule B augmente. On a représenté cette probabilité qu’il pleuve dans la cellule B par un nuage. Cette probabilité mise à jour est mémorisée par le serveur 107 dans la base de données.

Outre cette probabilité de pluie mise à jour, le serveur 107 mémorise également dans la base de données une caractéristique de l’observation météo transmise par le véhicule. En particulier, le serveur 107 mémorise une caractéristique d’un front météo à partir des données transmises par le véhicule. Par exemple, à la réception du message transmis par le véhicule 100, le serveur détermine et mémorise qu’il existe une transition « temps sec » vers « temps pluvieux » d’Ouest en Est dans la cellule B à l’emplacement où l’essui-vitre a été activé. Selon le type de données transmises par le véhicule, le serveur peut déterminer d’autres types de front météo, par exemple le début ou la fin d’une nappe de brouillard en fonction de l’activation ou de la désactivation des projecteurs antibrouillards, le début ou la fin d’une zone à risque de verglas en fonction d’un changement de température, etc.. Ainsi, pour une cellule dans laquelle un front météo est détecté, le serveur peut mémoriser une première valeur représentative de l’orientation du front, et une seconde valeur représentative de la nature de la transition.

Sur la figure 4b, on a représenté le front pluvieux détecté par le véhicule 100 dans la cellule B par une moitié de cellule grisée 402 représentant la zone de pluie, et une moitié de cellule claire 403 pour la zone sèche.

Lorsque les données associées à la cellule B ont été mises à jour dans la base de données, le serveur 107 met à jour les probabilités de conditions météo associées aux cellules voisines A et C.

Pour mettre à jour la probabilité d’un événement météo de type « pluie » dans une cellule particulière, le serveur 107 utilise un modèle de prédiction associé à cette cellule particulière et entrainé au préalable pour prédire la probabilité d’un événement météo « pluie » dans la cellule particulière à partir d’une prévision météo globale obtenue auprès d’un service de prévisions météo pour la zone météo dans laquelle se situe la cellule particulière, et d’une caractéristique d’un front météo détecté dans une cellule voisine de la cellule particulière.

Ainsi, pour prédire une probabilité de pluie dans la cellule C, le serveur 107 infère le modèle de prédiction associé à la cellule C à partir d’au moins la prévision météo obtenue auprès du serveur de prévision 108 pour la zone à laquelle appartient la cellule et de la caractéristique météo transmise par le véhicule 410 pour la cellule B. Bien entendu, le serveur peut prendre en considération d’autres paramètres, en particulier des probabilités ou des caractéristiques de front météo associées à d’autres cellules voisines de la cellule C, par exemple associées à la cellule D.

Le modèle de prédiction associé à une cellule particulière est par exemple un réseau de neurones artificiels entrainé de manière supervisée partir de données collectées sur le segment 401. Ces données d’entrainement comprennent au moins :

Une prévision et/ou un historique météo obtenu auprès d’un fournisseur pour la zone géographique dans laquelle se trouve la cellule pour laquelle une prédiction est à réaliser,
Une caractéristique d’un front météo détecté dans au moins une cellule voisine de la cellule pour laquelle une prédiction est à réaliser, et
La cible d’apprentissage, c’est à dire une observation météo dans la cellule considérée obtenue par exemple à partir de station météo au sol ou par tout autre moyen adapté.

Bien entendu, ces données d’entrainement peuvent être traitées par des outils statistiques tels que des moyennes ou des élévations au carré, permettant de mettre en évidence des particularités statistiques et établir les meilleures corrélations avec la cible d’apprentissage. En outre, d’autres données d’entrainement peuvent être utilisées, comme par exemple des prédictions réalisées sur une ou plusieurs cellules voisines, ou encore des données de trafic comme une vitesse moyenne des véhicules sur un ou plusieurs segments routiers traversant la cellule considérée.

En appliquant un tel modèle de prédiction à la cellule C, le serveur détermine que la probabilité qu’un événement « pluie » soit en cours dans la cellule C est supérieure à la probabilité d’un temps sec. En effet, le front pluvieux de gauche à droite détecté dans la cellule B rend probable que l’événement pluie s’étende à la cellule voisine C. Le résultat de cette prédiction est représenté par une zone grisée 404 dans la cellule C de la figure 4c. La probabilité ainsi déterminée pour la cellule C est mémorisée dans la base de données du serveur 107 et matérialisée par un nuage associé à la cellule C de la figure 4c et peut servir de variable à des prédictions pour d’autres cellules voisine à la place des prévisions globales pour la zone météo.

A ce stade, le serveur 107 peut construire ou mettre à jour une carte à partir des probabilités d’événement météo ainsi mises à jour et transmettre cette carte à au moins un véhicule. Pour obtenir la carte mise à jour, un véhicule transmet par exemple un message vers un serveur de téléchargement sur lequel la carte est stockée, le message comportant une indication géographique d’intérêt, par exemple la position du véhicule. A la réception d’un tel message, le serveur transmet la carte vers le véhicule.

La figure 4d représente le même segment routier 401 s’étendant sur les cellules A à G. Le véhicule 410 s’est déplacé sur le segment et circule maintenant dans la cellule F. Dans cet exemple, le serveur 107 reçoit un nouveau message en provenance du véhicule 410 comprenant des données relatives à une nouvelle condition météo rencontrée par le véhicule dans ladite première cellule. Dans cet exemple, le message comprend une donnée relative à une désactivation d’un essuie-vitre du véhicule 410, une localisation et une direction du véhicule. Le serveur 107 en déduit la présence d’un second front météo caractérisé par un passage du véhicule d’une zone de pluie à une zone sèche et mémorise cette information dans sa base de données, met à jour la probabilité de l’événement « pluie » pour la cellule F et réalise une prédiction pour au moins une cellule voisine, par exemple pour les cellules E et G, à partir des modèles de prédiction respectivement associés à ces cellules. A partir des prévisions météo globales pour la région et/ou des probabilités mises à jour précédemment pour ces cellules, et des caractéristiques du front météo détecté dans la cellule F, c’est-à-dire à partir du type de transition et de l’orientation du front, le serveur détermine dans cet exemple que l’événement « pluie » est plus probable dans la cellule E que l’événement « sec », mais que l’événement « sec » est plus probable dans la cellule G que l’événement « pluie ». Le serveur mémorise ces nouvelles probabilités dans sa base de données en association avec les cellules correspondantes. Les zones grisées 405 et 406 de la figure 4d matérialisent les nouvelles zones ou l’événement « pluie » est probable.

En inférant le modèle associé à la cellule D, à partir des probabilités mises à jour pour les cellules voisines B, C, E et F, le serveur peut prédire une nouvelle probabilité de pluie pour la cellule D comme représenté sur la figure 4e. Le procédé a ainsi permis de déterminer avec précision une zone pluvieuse sur le segment 401.

La figure 5 est une vue schématique d’un dispositif 500 de prédiction selon un mode particulier de réalisation de l’invention.

Le dispositif 500 comprend un espace de stockage 502, par exemple une mémoire MEM, une unité de traitement 501 équipée par exemple d’un processeur PROC. L’unité de traitement peut être pilotée par un programme 503, par exemple un programme d’ordinateur PGR, mettant en œuvre le procédé de prédiction selon un mode particulier de réalisation, et notamment les étapes d’obtention, à partir d'un fournisseur de prévisions météo, d'une première donnée PREV2 relative à une prévision météorologique globale pour ladite zone météo, de réception, en provenance d'un premier véhicule en circulation dans une première cellule météo, d'une deuxième donnée OBS3 relative à une modification d'une condition météo détectée par au moins un capteur du véhicule, de prédiction d'une probabilité PRED d'une condition météo pour au moins une cellule météo cible par application d'un modèle de prédiction associé à la cellule cible à au moins la première donnée PREV2 et la seconde donnée OBS3, et de transmission de la condition météo prédite PRED vers au moins un deuxième véhicule.

Dans une réalisation particulière, les instructions du programme d’ordinateur PGR sont en outre configurées pour entrainer un modèle de prédiction associé à une cellule météo particulière par la mise en œuvre d’étapes d’obtention d'une troisième donnée PREV1 comprenant une prévision météo globale relative à ladite zone météo, et d’obtention d'une quatrième donnée OBS1 relative à une modification d'une condition météo dans au moins une première cellule de la zone météo, la modification étant détectée à un premier instant par au moins un capteur d'un véhicule en circulation dans la première cellule, et d’entrainement du modèle de prédiction à partir d'un vecteur caractéristique comprenant au moins la troisième donnée PREV1 et la quatrième donnée OBS1, et d'une donnée cible OBS2 relative à une observation météo obtenue pour un deuxième instant dans la cellule météo cible de la zone météo.

À l’initialisation du dispositif 500, les instructions du programme d’ordinateur 503 sont par exemple chargées dans une mémoire RAM (Random Access Memory en anglais) avant d’être exécutées par le processeur de l’unité de traitement 501. Le processeur de l’unité de traitement 501 met en œuvre les étapes du procédé de prédiction selon les instructions du programme d’ordinateur 503.

Pour cela, outre la mémoire et le processeur, le dispositif 500 comprend des moyens de communication 504, par exemple une interface réseau Ethernet, permettant au dispositif d’échanger des messages avec d’autres dispositifs au travers d’un réseau de communication, et en particulier d’effectuer des requêtes vers un serveur de prévision météo afin d’obtenir une prévision et/ou un historique de prévisions pour une zone géographique particulière, et d’échanger des données avec des véhicules en circulation sur un réseau routier, notamment de recevoir des observations météo en provenance de véhicules et/ou de stations météo au sol, et de transmettre des prédictions météo relatives à des cellules météo vers des véhicules.

Dans une réalisation particulière, le dispositif 500 comprend en outre un module d’entrainement 505 adapté pour entrainer un modèle de prédiction 508. Le modèle de prédiction est par exemple un réseau de neurones artificiels mis en œuvre par des instructions de programme d’ordinateur enregistrées dans la mémoire 502 du dispositif. Le module d’entrainement 505 est par exemple mis en œuvre par des instructions configurées pour réaliser les étapes 300 à 303 du procédé de prédiction décrites ci-avant en référence à la figure 3. Le dispositif peut comporter une pluralité de réseaux de neurones respectivement associés à une pluralité de cellules d’une zone météo.

Le dispositif 500 comprend un module 507 de prédiction, adapté pour prédire une condition météo dans une cellule particulière. Le module 507 est par exemple mis en œuvre par des instructions de programme d’ordinateur enregistrées ans la mémoire 502 et configurées pour mettre en œuvre les étapes 304 à 307 du procédé de prédiction lorsqu’elles sont exécutées par le processeur 501.

Enfin, dans une réalisation particulière, le dispositif 500 comprend un module 506 adapté pour effectuer au moins un traitement statistique sur les observations et prévisions obtenues à partir de serveur de prévision et/ou de véhicules et pour créer des vecteurs caractéristiques à partir de ces données pour entrainer le modèle de prédiction et prédire une condition météo. Le module 506 est par exemple mis en œuvre par des instructions de programme d’ordinateur enregistrées dans la mémoire 502.

Selon une réalisation particulière, le dispositif 500 est intégré dans un serveur de traitement.

Claims

Procédé de prédiction d'une condition météorologique à un emplacement particulier d'un réseau routier s'étendant sur au moins une zone météo partitionnée en une pluralité de cellules météo, le procédé comprenant les étapes suivantes :
Obtention (304), à partir d'un fournisseur de prévisions météo, d'une première donnée relative à une prévision météorologique globale pour ladite zone météo,

Réception (305), en provenance d'un premier véhicule en circulation dans une première cellule météo, d'une deuxième donnée relative à une modification d'une condition météo détectée par au moins un capteur du véhicule,
le procédé de prédiction étant caractérisé en ce qu'il comporte en outre des étapes de :
Prédiction (306) d'une probabilité d'une condition météo pour au moins une cellule météo cible par application d'un modèle de prédiction associé à la cellule cible à au moins la première donnée et la seconde donnée, et

Transmission (307) de la condition météo prédite vers au moins un deuxième véhicule.
Procédé selon la revendication 1 tel qu’il comprend en outre une phase préalable d'entrainement du modèle de prédiction associé à la cellule cible, l'entrainement comprenant au moins les étapes suivantes :
Obtention (300) d'une troisième donnée comprenant une prévision météo globale relative à ladite zone météo,

Obtention (301) d'une quatrième donnée relative à une modification d'une condition météo dans au moins une première cellule de la zone météo, la modification étant détectée à un premier instant par au moins un capteur d'un véhicule en circulation dans la première cellule, et

Entrainement (303) du modèle de prédiction à partir d'un vecteur caractéristique comprenant au moins la troisième donnée et la quatrième donnée, et d'une donnée cible relative à une observation météo obtenue (302) pour un deuxième instant dans la cellule météo cible de la zone météo.
Procédé selon la revendication 2 dans lequel la troisième donnée, la quatrième donnée, et la donnée cible à partir desquelles est entrainé le modèle sont relatives à des instants compris dans une même fenêtre temporelle dont la durée est inférieure à un seuil prédéfini.
Procédé selon l’une quelconque des revendications précédentes dans lequel une donnée relative à une modification d'une condition météo comprend au moins :
Un premier état d'activation d'au moins un équipement du véhicule,

Un deuxième état d'activation de l'au moins un équipement du véhicule,

Une direction de déplacement du véhicule.
Procédé selon la revendication 4 dans lequel le premier état d'activation et le deuxième état d'activation sont relatifs à au moins un équipement du véhicule sélectionné parmi les équipements de la liste suivante :
Un essuie-vitre du véhicule,

Un projecteur du véhicule,

Un capteur de pluie du véhicule,

Un microphone.
Dispositif de prédiction d’une condition météorologique à un emplacement particulier d’un réseau routier s’étendant sur au moins une zone météo partitionnée en une pluralité de cellules météo, le dispositif comprenant une interface de communication, une mémoire (501) et un processeur (503), le processeur et l’interface de communication (504) étant configurés par des instructions (502) enregistrées dans la mémoire pour mettre en œuvre les étapes suivantes :
Obtention, à partir d’un fournisseur de prévisions météo, d’une première donnée relative à une prévision météorologique globale pour ladite zone météo,

Réception, en provenance d’un premier véhicule en circulation dans une première cellule météo, d’une deuxième donnée relative à une modification d’une condition météo détectée par au moins un capteur du véhicule,
le dispositif étant caractérisé en ce que le processeur et l’interface de communication sont en outre configurés par des instructions enregistrées dans la mémoire pour mettre en œuvre des étapes de :
- Prédiction d’une probabilité d’une condition météo pour au moins une deuxième cellule météo par application d’un modèle de prédiction à au moins la première donnée et la seconde donnée, et
- Transmission de la condition météo prédite vers au moins un deuxième véhicule.
Dispositif selon la revendication 6 tel que le processeur et l’interface de communication sont en outre configurés par des instructions enregistrées dans la mémoire et adaptées pour mettre en œuvre un entrainement préalable du modèle de prédiction selon au moins les étapes suivantes :
Obtention d'une troisième donnée comprenant une prévision météo globale relative à ladite zone météo, et

Obtention d'une quatrième donnée relative à une modification d'une condition météo dans au moins une première cellule de la zone météo, la modification étant détectée à un premier instant par au moins un capteur d'un véhicule en circulation dans la première cellule,

Entrainement du modèle de prédiction à partir d'un vecteur caractéristique comprenant au moins la troisième donnée et la quatrième donnée, et d'une donnée cible relative à une observation météo obtenue pour un deuxième instant dans au moins une deuxième cellule météo de la zone météo.
Serveur comprenant un dispositif de prédiction selon l’une des revendications 6 à 7.
Support d’information comportant des instructions de programme d’ordinateur configurées pour mettre en œuvre les étapes d’un procédé de prédiction selon l’une des revendications 1 à 5, lorsque les instructions sont exécutées par un processeur.