Dans le cadre de la régulation des carrefours à feux et du développement d'outils intégrés de gestion du trafic, nous proposons un système d'analyse des données d'observation d'un carrefour. Il repose sur un dispositif expérimental d'observation automatique d'un carrefour réel basé sur des capteurs vidéo et une base d'enregistrements de scènes de trafic, qui nous permet de comparer l'incidence relative de deux stratégies, une stratégie de référence et une stratégie adaptative temps-réel, appelée CRONOS et développée à l'INRETS. Nous modélisons les interactions entre véhicules, en particulier dans la zone de conflit, et mesurons leur relation à l'accident selon deux indicateurs de sévérité, de proximité et de vitesse. Notre système modulaire détecte les interactions à l'aide de règles expertes. Pour les indicateurs de sévérité, nous développons une méthode d'apprentissage générique par sélection de données dans un flux. Cette méthode est testée sur l'apprentissage de l'indicateur de vitesse et sur d'autres problèmes classiques. Une partie des données de la base a été traitée pour comparer les distributions des durées d'interaction et leur sévérité sous les deux stratégies.
