Les deux versions sont alignées bloc par bloc, dans l’ordre du texte : titre, l’essentiel, puis paragraphe par paragraphe. Quand la traduction a fusionné ou scindé un paragraphe, la case correspondante reste vide — on ne rapproche jamais deux passages au jugé.
On a New York street, an ambulance with its siren on has to negotiate a traffic system built for ordinary drivers. Researchers at NYU Tandon have now built an AI framework that predicts how quickly it will move through city traffic, giving the FDNY a virtual way to test response strategies before changing streets in the real world.
Dans une rue de New York, une ambulance dont la sirène retentit doit composer avec un système de circulation conçu pour les conducteurs ordinaires. Des chercheurs de NYU Tandon ont mis au point un cadre d’IA qui prédit la vitesse à laquelle elle se déplacera dans la circulation urbaine, offrant au FDNY un moyen virtuel de tester des stratégies d’intervention avant de modifier les rues dans le monde réel.
The pressure is measurable. FDNY's average response time to medical emergencies rose from about 10.4 minutes in 2015 to nearly 13.7 minutes in 2023, an increase of almost 32%. An ambulance can legally pass through red lights and maneuver around stopped traffic, but it still depends on nearby drivers recognizing the siren and making room. Tools designed for normal traffic, including Google Maps, cannot reliably capture that behavior.
La pression est mesurable. Le temps de réponse moyen du FDNY aux urgences médicales est passé de environ 10,4 minutes en 2015 à près de 13,7 minutes en 2023, soit une hausse de presque 32 %. Une ambulance peut légalement franchir des feux rouges et se faufiler dans une circulation à l’arrêt, mais elle dépend toujours des conducteurs à proximité, qui doivent reconnaître la sirène et lui laisser de la place. Les outils conçus pour la circulation normale, notamment Google Maps, ne peuvent pas rendre compte de ce comportement de manière fiable.
The research team built a high-fidelity Traffic Digital Twin covering West Harlem and Morningside Heights, FDNY's M6 dispatch zone. The model combines detailed traffic simulation with real-world traffic and GPS data from nearly 1,000 FDNY ambulance responses in 2023. Led in the simulation and calibration work by C2SMART senior research associate Fan Zuo, the team trained EMVAID to predict ambulance speeds on individual road segments. Joseph Chow led the research, with C2SMART director Kaan Ozbay as senior author.
L’équipe de recherche a construit un jumeau numérique haute fidélité du trafic couvrant West Harlem et Morningside Heights, la zone de régulation M6 du FDNY. Le modèle combine une simulation détaillée du trafic avec des données réelles de circulation et de GPS issues de près de 1 000 interventions d’ambulances du FDNY en 2023. Les travaux de simulation et de calibration ont été dirigés par Fan Zuo, chercheur principal associé chez C2SMART. L’équipe a entraîné EMVAID à prédire la vitesse des ambulances sur des tronçons routiers individuels. Joseph Chow a dirigé la recherche, avec Kaan Ozbay, directeur de C2SMART, comme auteur principal.
The model found that background traffic speed was the strongest predictor of ambulance speed, followed by congestion. Two-lane streets generally helped ambulances move faster than one-lane streets, while adding more lanes brought little extra benefit. Streets with unprotected bike lanes were associated with slightly faster ambulance speeds, possibly because they gave emergency vehicles more room to pass stopped traffic.
Le modèle a établi que la vitesse de circulation générale était le meilleur prédicteur de la vitesse des ambulances, suivie par la congestion. Les rues à deux voies permettaient généralement aux ambulances de circuler plus vite que les rues à une voie, tandis que l’ajout de voies apportait peu de bénéfices supplémentaires. Les rues dotées de bandes cyclables non protégées étaient associées à des vitesses d’ambulance légèrement supérieures, peut-être parce qu’elles offraient davantage d’espace aux véhicules d’urgence pour dépasser la circulation à l’arrêt.
Concretely, emergency planners could use the framework to compare strategies in a virtual neighborhood before putting them into practice. In one demonstration, an optimized set of ambulance base locations reduced expected travel time by 14.5% and increased the share of calls handled by neighborhood-based ambulances from 41% to 55%. The result is not an FDNY recommendation: the researchers say it likely overstates the improvement because ambulances may already be responding to calls or returning from hospitals. The findings stayed stable when the team deliberately introduced prediction errors, and C2SMART says the approach could be extended beyond one neighborhood to estimate speeds across the city.
Concrètement, les planificateurs des services d’urgence pourraient utiliser ce cadre pour comparer des stratégies dans un quartier virtuel avant de les mettre en œuvre. Dans une démonstration, un ensemble optimisé d’emplacements de bases d’ambulances a réduit de 14,5 % le temps de trajet attendu et fait passer de 41 % à 55 % la part des appels pris en charge par des ambulances basées dans le quartier. Le résultat ne constitue pas une recommandation du FDNY : les chercheurs estiment qu’il surestime probablement l’amélioration, car les ambulances peuvent déjà être engagées sur une intervention ou revenir de l’hôpital. Les résultats sont restés stables lorsque l’équipe a introduit volontairement des erreurs de prédiction, et C2SMART indique que l’approche pourrait être étendue au-delà d’un seul quartier afin d’estimer les vitesses dans toute la ville.