Véhicule connecté sans conducteur

26/10/2014
Auteurs :
Publication REE REE 2014-4 Dossier Le véhicule connecté
OAI : oai:www.see.asso.fr:1301:2014-4:11512
se connecter (si vous disposez déjà d'un compte sur notre site) ou créer un compte pour commander ou s'inscrire.
 

Résumé

Véhicule connecté sans conducteur

Métriques

4
0
629.17 Ko
 application/pdf
bitcache://5d283adf3e74d0224fead404397dc3bababb3d79

Licence

Creative Commons Aucune (Tous droits réservés)
<resource  xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
                xmlns="http://datacite.org/schema/kernel-4"
                xsi:schemaLocation="http://datacite.org/schema/kernel-4 http://schema.datacite.org/meta/kernel-4/metadata.xsd">
        <identifier identifierType="DOI">10.23723/1301:2014-4/11512</identifier><creators><creator><creatorName>Abdeljalil Abbas-Turki</creatorName></creator><creator><creatorName>Cindy Cappelle</creatorName></creator><creator><creatorName>Franck Gechter</creatorName></creator><creator><creatorName>Florent Perronnet</creatorName></creator><creator><creatorName>Abderrafiaa Koukam</creatorName></creator><creator><creatorName>Yassine Ruichek</creatorName></creator></creators><titles>
            <title>Véhicule connecté sans conducteur</title></titles>
        <publisher>SEE</publisher>
        <publicationYear>2014</publicationYear>
        <resourceType resourceTypeGeneral="Text">Text</resourceType><dates>
	    <date dateType="Created">Sun 26 Oct 2014</date>
	    <date dateType="Updated">Tue 17 Apr 2018</date>
            <date dateType="Submitted">Mon 10 Dec 2018</date>
	</dates>
        <alternateIdentifiers>
	    <alternateIdentifier alternateIdentifierType="bitstream">5d283adf3e74d0224fead404397dc3bababb3d79</alternateIdentifier>
	</alternateIdentifiers>
        <formats>
	    <format>application/pdf</format>
	</formats>
	<version>37794</version>
        <descriptions>
            <description descriptionType="Abstract"></description>
        </descriptions>
    </resource>
.

REE N°4/2014 45 LE VÉHICULE CONNECTÉ DOSSIER 1 Introduction Depuis plusieurs années, les véhicules sont dotés de nouvelles fonctionnalités, régulateurs de vitesse adaptatifs, recon- naissance de signalétique, détection de piétons, stationnement automatique, qui les rendent de plus en plus autonomes. Leur principal objectif est de diminuer la charge cognitive des conducteurs en les déchargeant d’aspects annexes à la conduite (gestion des accessoires, contrôle de la vitesse…) de façon à maintenir une concentration optimale sur les éléments primordiaux de la conduite d’un véhicule et en particulier sur la sécurité. L’introduction de ces nouvelles fonctionnalités oblige les concepteurs de véhicules et, en amont, les laboratoires de recherche, à développer de nouveaux concepts tant en termes d’intégration du conducteur dans le système qu’en termes d’interaction entre le véhicule et les autres véhicules (V2V) et avec les infrastructures routières (V2I). Ainsi, les travaux actuels tendent-ils à une autono- mie de plus en plus grande des véhicules permettant d’envisager de nouveaux modes de déplacement et de nouveaux usages. L’un des éléments centraux de cette autonomie est la communication entre les différents constituants de la mobilité. Outre son utilité évidente pour les interactions inter-véhicules, cette communication est également indispen- sable pour les échanges intra-véhicules (interconnexion de capteurs, d’action- neurs et de calculateurs). Des expérimentations, en service réel, de voitures sans conducteur, par Google notamment, ont récemment eu lieu et ont fait l’objet d’une grande médiatisation : elles illustrent les pro- grès techniques importants faits dans le domaine de l’autonomie des véhicules, même si des efforts de mise au point et d’industrialisation restent à faire. L’objectif de cet article est de dresser un état de l’art sur le développement des véhicules autonomes tant du point de vue technologique que du point de vue des usages. Après une introduction aux définitions et aux concepts liés à la notion de véhicule autonome, nous pré- senterons les principales classes d’appli- cations actuellement envisagées pour ce type de véhicule. Contexte et définitions Véhicule autonome Un véhicule autonome peut être défini comme un véhicule ayant des capacités de déplacement automa- tique sans recours à une intervention humaine. Pour cela, le véhicule doit être équipé de façon spécifique. Il doit dis- poser de capteurs pour percevoir son environnement et d’actionneurs pour pouvoir contrôler l’angle de braquage des roues, l’accélérateur et les freins. Il doit également posséder un système de communication pour pouvoir échanger des informations avec les infrastruc- tures (feux, information sur les places de parking disponibles, information sur le trafic…) et avec les autres véhicules, principalement en vue de coordonner leurs mouvements (conduite en convoi, synchronisation aux intersections...). La notion de véhicule autonome peut être vue comme l’étape ultime dans la course vers des systèmes d’aide à la conduite de plus en plus sophisti- qués. En effet, depuis plusieurs années les constructeurs automobiles intro- duisent de plus en plus de dispositifs destinés à faciliter la tâche du conduc- teur tant du point de vue fonctionnel (direction assistée, ABS...) que du point de vue cognitif (régulateur de vitesse, détecteur d’hypo vigilance...). Les avan- tages induits par ce type de dispositifs sont nombreux tels que l’augmentation de la sécurité des usagers, la fluidifica- tion de la circulation, l’amélioration de l’efficacité énergétique des systèmes de transports.... L’utilisation de véhicules autonomes permet de plus d’envisager de nouveaux systèmes de transports collectifs ou individuels reconfigurables dans le temps et dans l’espace. Certains de ces aspects sont traités de façon plus détaillée plus loin dans cet article. Cependant, même si ces dernières années de nombreux progrès ont été ré- alisés d’un point de vue technologique, il reste un certain nombre de verrous à débloquer avant le passage au tout auto- nome. Outre les problèmes techniques, d’autres questions se posent comme l’acceptabilité des nouveaux modes de conduite, la sécurité informatique et les Véhicule connecté sans conducteur Par Abdeljalil Abbas-Turki, Cindy Cappelle, Franck Gechter, Florent Perronnet, Abderrafiaa Koukam, Yassine Ruichek IRTES-SeT EA7274, Université technologique de Belfort-Montbéliard Since a couple of years, personal vehicles have been equipped with new functionalities (adaptive cruise control, pedestrian detection…) aiming at helping the driver in his task and at improving security. The purpose of this paper is to present a state of the art on autonomous vehicles dealing with both technological aspects and use case points of view. After a presentation of the definitions and the concepts associated to auto- nomous vehicles, the associated application classes are explained. ABSTRACT 46 REE N°4/2014 LE VÉHICULE CONNECTÉDOSSIER 1 aspects juridiques (responsabilité en cas d’accident...). Pour le moment, les réglementations des Etats autorisant le déploiement sur le domaine public de tels systèmes, tels que l’Etat du Nevada ou de Californie par exemple, consi- dèrent l’opérateur humain comme res- ponsable en cas de problème. De plus, la réglementation impose la présence de deux personnes au moins à bord (un opérateur véhicule et un contrôleur des systèmes autonomes). Ainsi, l’objectif de l’autonomie totale des véhicules ne pourra être atteint qu’à condition de pouvoir résoudre les problèmes qui se posent à la fois d’un point de vue tech- nique et d’un point de vue sociétal. Perception Décision Action Le comportement d’un véhicule autonome est généralement basé sur trois étapes permettant de passer de l’observation et de l’analyse de l’envi- ronnement du véhicule à la commande envoyée aux actionneurs qui assurent le contrôle du véhicule. Ces trois étapes, répétées cycliquement, sont générale- ment les suivantes : Perception : elle consiste à traiter les informations fournies par les capteurs du véhicule et à les analyser de façon à construire un contexte perceptif struc- turé pouvant être ensuite interprété par l’étape de prise de décision. L’objectif est alors de pouvoir en extraire des infor- mations de perception qui constituent les éléments importants pour l’accom- plissement de la tâche de déplacement comme la localisation du véhicule, la signalisation, la présence d’obstacle, l’information de trafic... Généralement, plusieurs capteurs sont utilisés de façon à avoir une redondance et une complé- mentarité dans les informations percep- tives. Cette dimension multi-sensorielle impose l’utilisation d’algorithmes de trai- tement efficaces et performants. Cette partie est traitée de façon plus détaillée dans la section suivante. Décision : cette étape s’appuie sur l’interprétation des informations four- nies par la perception pour prendre une décision sur l’attitude que doit adopter le véhicule (accélération, ralentissement, arrêt d’urgence, évitement d’obstacle...). Cette prise de décision peut se faire en utilisant des algorithmes classiques de l’automatique (boucles de régulation par exemple) ou de l’intelligence artifi- cielle (réseaux de neurones artificiels, logique floue, systèmes multi-agents,..). Action : cette étape consiste en l’appli- cation de la décision, fournie précédem- ment,auniveaudesactionneursphysiques du véhicule. Pour cela, il est nécessaire de prendre en compte les limitations et les contraintes matérielles telles que le temps de réponse des composants, les temps caractéristiques des actionneurs, les limi- tations physiques des véhicules... La section suivante présente plusieurs classes d’applications traitant d’une ou de plusieurs de ces trois étapes. Classes d’applications Ego-localisation et perception multi-sensorielle pour les véhi- cules intelligents En vue d’aider à la prise de décision, deux tâches sont indispensables : la localisation du véhicule et la perception de son environnement. Afin d’obtenir une estimation précise et robuste de la position et de l’orientation du véhicule ainsi qu’une représentation et une ana- lyse de la scène, les approches multi- capteurs sont désormais privilégiées. En l’absence de capteur idéal, il s’agit alors de proposer des solutions intégrant plu- sieurs capteurs de façon à bénéficier de leurs avantages et en palliant leurs défauts respectifs. Localisation des véhicules Les systèmes satellitaires tels que le GPS (Global Positioning System) sont souvent utilisés pour fournir la position absolue des véhicules. En effet, en exté- rieur, les récepteurs GPS fournissent un positionnement relativement précis. Cependant, en environnement urbain notamment, la localisation à l’aide d’un récepteur GPS peut s’avérer peu précise voire même indisponible à cause des phénomènes de réflexion des signaux, par exemple sur les bâtiments, de multi- trajet ou de la faible visibilité satellitaire. Afin d’assurer une estimation précise et robuste du positionnement, d’autres capteurs, d’autres sources d’information et d’autres méthodes de localisation doivent alors compléter la mesure. Dans de nombreux travaux de recherche, des méthodes de localisation de véhicules sont proposées afin d’améliorer l’esti- mation de la position et de l’orientation en prenant en compte la redondance et la complémentarité des informations du système multi-capteurs utilisé. Des travaux de l’IRTES-SET [1] [2] proposent de fusionner les mesures GPS avec des estimations de la locali- sation relative du véhicule obtenues à l’aide d’un capteur proprioceptif (gyro- mètre qui mesure la vitesse angulaire du véhicule), d’un système de vision stéréoscopique (odométrie visuelle) et d’un télémètre laser ainsi qu’un système d’information géographique 2D (SIG- 2D). Le formalisme de fusion utilisé dans ces travaux est un couplage lâche avec un filtre informationnel. La figure 1 montre le dispositif expérimental réalisé. D’autres types d’approches consistent à caractériser l’environnement de récep- tion des signaux GNSS1 afin d’identifier l’état de réception (bloqué, direct, indirect) de chaque satellite par rapport au récep- teur GPS. Dans [3], une caméra avec un objectif grand angle a été placée sur le toit du véhicule, à côté du récepteur GPS et orientée vers le ciel. Les images acquises sont segmentées et les segments classi- fiés en deux classes (« ciel » et « non ciel ») en combinant les informations couleur et 1 Systèmes de Navigation par Satellite. REE N°4/2014 47 Véhicule connecté sans conducteur texture [4]. Les satellites sont projetés dans l’image et une position du récepteur GPS est ensuite recalculée en utilisant unique- ment les satellites projetés dans une région « ciel » de l’image (figure 2). Une limite de l’exclusion des signaux est que le nombre de satellites utilisables peut devenir insuf- fisant. Des travaux en cours cherchent alors à estimer l’erreur de pseudo-dis- tance causée par le multi-trajet (réflexion des signaux ou autres) et à intégrer cette estimation de l’erreur dans le calcul de la position plutôt que d’exclure totalement le satellite du calcul. Ces travaux sont déve- loppés par l’IFSTTAR-LEOST et l’IRTES-SET dans le cadre du projet CAPLOC2 , financé par le programme PREDIT3 . Perception de l’environnement Comme dans le cas de la localisation de véhicules, la perception de l’envi- 2 Combinaison de l’analyse d’images et la con- naissance de la propagation des signaux pour la localisation : projet de recherche de PRODIT mené par l’IFSTTAR. 3 Programme de recherche et d’Innovation dans les transports terrestres qui est porté par l’Etat et a connu depuis 1990 quatre phases. Il s’est achevé en 2013. ronnement est souvent réalisée à l’aide d’un système multi-capteurs. Dans [5], une méthode de construction de carte dynamique d’occupation couplant un télémètre laser et un système stéréos- copique est proposée pour représenter l’environnement du véhicule. Pour lui associer des connaissances sémantiques, les résultats de détection et de reconnais- sance d’objets mobiles sont incorporés à la grille d’occupation. Pour cela, le télé- mètre laser et le système stéréoscopique sont calibrés en utilisant une mire plane à damier et en exploitant les relations géométriques entre les capteurs. Pour une meilleure robustesse, cette méthode intègre un modèle de bruit capteur et un processus d’optimisation basé sur la distance de Mahalanobis. Les objets en mouvement sont ensuite détectés et segmentés en utilisant les résultats d’une méthode d’odométrie visuelle et l’image U-disparité. Pour la reconnaissance de ces objets (piétons, cyclistes, véhicules), des primitives spatiales sont extraites avec une méthode basée sur la technique KPCA4 et 4 Analyse en composantes principales à noyau ou Kernel Principal Component Analysis. différents classifieurs. La figure 3 illustre les résultats du système de perception développé en termes de détection et de reconnaissance d’objets mobiles. Véhicules autonomes collaboratifs Navigation multi-véhicules et conduite en convoi Un convoi peut être défini comme l’organisation spatiale d’un ensemble de véhicules suivant une configuration géométrique spécifique. Dépendant du type d’application (urbain, agricole, militaire…), la configuration géomé- trique peut prendre plusieurs formes. Les configurations sont caractérisées par les écarts latéraux et longitudinaux entre les véhicules. Les configurations géométriques les plus étudiées sont les suivantes : colonne (véhicules les uns derrière les autres), ligne (véhicules les uns à côté des autres) et échelon (véhi- cules en diagonale) (voir figure 4). Bien évidemment, il existe d’autres types de formation, en particulier dans le domaine militaire par exemple. Cependant, ces configurations peuvent en général être appréhendées comme une composition des trois configurations de base. Lors de Figure 1 : Véhicule expérimental de l’IRTES-SET et ses capteurs de perception et localisation. Figure 2 : Projet CAPLOC : Segmentation/classification d’images grand-angle et projection de la position des satellites. 48 REE N°4/2014 LE VÉHICULE CONNECTÉDOSSIER 1 la conduite d’un convoi, les véhicules se déplacent tout en gardant, si l’environne- ment le permet, la configuration spatiale adoptée. Cette capacité suppose la mise en œuvre de fonctions de perception, de contrôle et de communication, si néces- saire embarquées, dans chaque véhicule. De plus, outre le contrôle des véhicules, les algorithmes doivent également prendre en compte les aspects sécurité et sûreté de fonctionnement. En effet, il est indispensable que les approches proposées puissent être robustes aux éventuelles défaillances matérielles et à la présence de perturbations telles que la présence d’obstacles à proximité ou entre deux éléments du convoi même si, dans ce dernier cas, le risque est limité par le choix d’écarts longitudinaux très faibles. D’une manière générale, le contrôle de véhicules en convoi se fait soit par une approche de type local soit par une approche de type global. La distinction entre ces deux approches est princi- palement liée à la façon dont chaque véhicule se localise par rapport à son environnement. Dans l’approche locale, chaque véhicule localise ses perceptions par rapport à son propre référentiel. Ain- si, chaque véhicule suit uniquement un véhicule de référence local (leader local) présent dans son proche voisinage per- ceptif. Il s’agit par exemple de son pré- décesseur dans le cas d’une formation de type colonne. Parmi les propositions correspondant à cette approche, nous pouvons mentionner les approches pro- posées par IMARA [6], l’IRTES-SET [7], [8] et MAIA-INRIA [9]. Dans l’approche globale (figure 5), chaque véhicule se localise par rapport à un référentiel global commun à tous les éléments du convoi. Chaque véhi- Figure 3 : Détection et reconnaissance d’objets mobiles. Figure 4 : Les configurations usuelles. De gauche à droite : colonne, ligne, échelon. REE N°4/2014 49 Véhicule connecté sans conducteur cule suit alors une référence globale qui peut être, soit une trajectoire prédéfinie à l’avance, soit la trajectoire fournie en direct par le premier véhicule du train. Des approches globales ont été propo- sées par des laboratoires de recherche internationaux et français, dont l’Institut Pascal de Clermont-Ferrand [10]. Ces derniers travaux vont jusqu’à permettre les évolutions du convoi par ajout ou retrait de véhicules. Actuellement, les études réalisées permettent unique- ment de s’insérer ou de sortir de forma- tion de véhicules urbains en ligne (train de véhicules sans accroche matérielle). Chacune de ces approches possède des caractéristiques et des propriétés intéressantes. Les approches locales (figure 5) sont, en général, plus simples à mettre en œuvre et nécessitent des moyens de perception moins coûteux. Cependant, la qualité de suivi en terme d’écart latéral est généralement moins bonne et elles sont fortement tributaires des algorithmes de perception utilisés. A l’opposé, les méthodes dites globales montrent de bonnes qualités de suivi de trajectoire mais nécessitent un position- nement précis dans un référentiel glo- bal impliquant l’utilisation de capteurs généralement coûteux et des moyens de communication performants. Historiquement, cette thématique a été déployée aux Etats-Unis autour du concept d’autoroute automatisée comme le projet — le plus significatif — PATH (Partners for Advanced Transit and Highways) dans les années 1990-1995. Ce projet est une collaboration entre le département californien du transport (Caltrans), de l’université de Berkeley, d’autres établissements publics et privés et d’industries privées. La mission du projet PATH était d’augmenter la sûreté de la route, de réduire la congestion du trafic, la pollution atmosphérique et la consommation d’énergie. Le principe de contrôle longitudinal utilisé consiste en un asservissement non linéaire de la distance séparant les véhicules. Le contrôle latéral quant à lui est réalisé à partir de plots magnétiques situés dans le sol. Des expérimentations ont été ré- alisées sur des autoroutes américaines, à une vitesse de 100 km/h, avec sept véhicules et ont montré des résultats intéressants. Au niveau européen, nous pouvons mentionner le projet CHAUFFEUR qui avait pour objectif de proposer des convois de transports poids lourds de marchandises en introduisant la notion de véhicule leader piloté par un humain et tractant des congénères qui eux sont en mode automatique et en accrochage virtuel. Plus récemment, nous pouvons mentionner au niveau international les projets SARTRE, FURBOT et InTraDE. Le projet SARTRE5 se place dans la 5 http://www.sartre-project.eu/en/Sidor/default. aspx continuité du projet CHAUFFEUR en termes de visée applicative. Il réunit un constructeur automobile de renom avec des partenaires institutionnels et indus- triels. Son principal objectif est le dé- ploiement de technologies embarquées permettant d’utiliser la fonction de conduite en convoi. Les projets InTraDE6 et FURBOT7 s’intéressent plus particuliè- rement au transport de marchandises. Le projet InTraDE8 s’intéresse à l’amé- lioration de la productivité des petits et moyens ports de la région Europe Nord Ouest (NWE). L’objectif est de contri- buer aux efforts nationaux des gouver- nements de l’Union européenne (EU) en déviant une partie du trafic routier vers les zones côtières en améliorant les rendements des courts transports mari- times de la région. Le projet FURBOT9 s’intéresse quant à lui à l’élaboration d’une unité robotique mobile dédiée au transport de marchandises sur les der- niers kilomètres. Plus récemment, au niveau national, deux projets ont permis de lancer cette thématique basée sur le concept de flotte de véhicules individuels publics en mode convoi dans un cadre urbain. Le projet FCE CRISTAL (2007-2009) piloté par l’entreprise Lohr Industrie a consis- té à étudier l’ensemble des aspects concernant la mise en œuvre d’une flotte de véhicules en libre service ac- cessibles en station : il définit la brique véhicule CRISTAL, le service de gestion de la mobilité, l’impact territorial et la définition d’une station. Dans la partie « recherches en amont » de ce projet, un mode particulier de flotte de véhi- cules en convoi a été défini pour assurer le redéploiement des véhicules sur les stations : le premier véhicule est piloté 6 Intelligent Transportation for Dynamic Envi- ronment : projet européen régional. 7 Freight Urban RoBOTic vehicle : projet INRIA. 8 http://www.intrade-nwe.eu/presentation-project- management 9 http://www.furbot.eu/objectives.shtml Figure 5 : Localisation globale (à gauche) et localisation locale (à droite). 50 REE N°4/2014 LE VÉHICULE CONNECTÉDOSSIER 1 manuellement par un professionnel, les- véhicules suiveurs s’accrochent virtuelle- ment et doivent circuler dans les traces du leader. Le projet SafePlatoon10 a pour objectif d’étudier la problématique des convois de véhicules autonomes en considérant des applications dans les milieux urbains, militaires et agricoles. Un des aspects importants du projet SafePlatoon réside dans le fait que les algorithmes de décision et de contrôle/ commande proposés seront vérifiés par des outils de preuve et validés en simu- lation et expérimentalement. Navigation des véhicules dans les carrefours Les véhicules autonomes offrent un potentiel important pour améliorer les conditions de circulation. Ainsi, depuis quelques années, la synchronisation des véhicules aux intersections sus- cite un intérêt particulier. En effet, grâce à la communication sans fil, il sera possible 10 Projet ANR piloté par l’UTBM (2011-2014) http://web.utbm.fr/safeplatoon/ de dépasser les systèmes de signalisa- tions classiques, à savoir les feux trico- lores, les stops et les voies prioritaires qui situent les problématiques du trafic à un niveau macroscopique (à l’échelle de la ville) en se basant essentiellement sur les prévisions. Une nouvelle vision du trafic est offerte par la négociation en temps réel des droits de passages aux intersec- tions. Chaque véhicule peut être consi- déré individuellement selon son état présent. En effet, dans la version la plus simple de la négociation, chaque véhi- cule accédant à l’intersection envoie une requête de droit de passage puis obtient une réponse dépendant d’une part de la disponibilité de l’intersection et d’autre part de l’état du véhicule. La fluidifica- tion passera ainsi par la formation de la séquence des véhicules traversant l’inter- section. A ce niveau, deux avantages par rapport à la signalisation classique sont évidents. Le premier est celui d’éviter des arrêts inutiles aux véhicules lorsque le trafic est peu dense. Le deuxième réside dans le transfert des priorités attribuées aux voies vers les véhicules. Cet avantage paraît évident lorsque par exemple les bus se croisent alors que certains sont en retard et d’autres en avance. La négocia- tion œuvrera pour faire passer ceux qui sont en retard en premier. Lorsque l’on s’intéresse à la forma- tion des séquences des véhicules dans une intersection isolée, deux interro- gations importantes sont posées. La première est relative à la faisabilité [11]. Comment assurer la sécurité de la tra- versée de l’intersection sans imposer l’arrêt du véhicule ? C’est la synchroni- sation des vitesses des véhicules tra- versant l’intersection qui le permet. En effet, plusieurs tests à travers des robots ont révélé quelques collisions ou blo- cages. En réponse à cette probléma- tique, le protocole basé sur l’interdiction par défaut permet de combler les failles de la communication sans fil comme l’ont démontré les tests réalisés dans le cadre du projet SVAC11 (figure 7). La deuxième interrogation concerne la né- 11 Système du Véhicule Actionneur Coopératif : projet de la Région Franche-Comté. Figure 6 : Différents projets traitant de la conduite en convoi : le projet Sartre (en haut à gauche), le projet PATH (en haut à droite) et le projet SafePlatoon (en bas gauche et droite). REE N°4/2014 51 Véhicule connecté sans conducteur gociation en cas d’affluence. En d’autres termes, quelle politique permettra aux véhicules de vider l’intersection au plus tôt ? Il a été démontré qu’il est possible d’améliorer les performances de l’inter- section congestionnée grâce à une négociation légère en termes d’échange de paquets. Elle est basée sur l’informa- tion de la position relative du véhicule par rapport à l’intersection. Les résul- tats sont très proches de la séquence optimale et dépassent les performances des systèmes de signalisation actuels. En poussant la réflexion, d’autres avantages peuvent être tirés de la né- gociation aux intersections couplée à la commande du véhicule. Au niveau d’une intersection isolée, un premier avantage réside dans la synchronisa- tion des vitesses de façon à réduire les ralentissements [12]. Des protocoles de réservation de l’espace conflictuel et de régulation coopérative et adaptative de la vitesse ont été proposés (figure 8). L’autre avantage réside dans le fait que la négociation aborde la régulation sous un angle microscopique. En effet, plusieurs phénomènes macroscopiques trouvent leurs origines au niveau microscopique. Dans un réseau d’intersections, l’inter- blocage (gridlock) est responsable de nombreux bouchons de longue durée. Le fait que le droit de passage soit distri- bué individuellement sur tous les véhi- cules permet d’éviter une utilisation à risque de l’espace (figure 9). Perspectives Même si les avancés scientifiques et techniques de ces dernières années ont permis d’obtenir des véhicules de plus en plus autonomes, plusieurs questions restent cependant en suspens. Comme nous l’avons vu dans cet article, la prise de décision peut se faire, soit de façon tota- lement autonome par le véhicule, soit de façon collaborative avec un échange d’in- formations avec les autres véhicules et/ ou les infrastructures routières. A l’heure actuelle, les constructeurs et les équipe- mentiers semblent s’orienter vers la pre- mière solution en dotant les véhicules de capteurs et de dispositifs de calculs de plus en plus évolués. Cette approche, qui permet de résoudre la plupart des pro- blèmes classiques de circulation y com- pris les problèmes de synchronisation aux intersections, possède l’avantage de limiter l’investissement collectif sur les infrastructures routières en reportant le surcoût nécessaire sur le prix du véhi- cule. Elle présente aussi l’avantage de permettre de façon graduelle l’introduc- tion de véhicules autonomes dans la cir- culation automobile dans l’infrastructure Figure 7 : Tests à travers des véhicules réels de la négociation de droit de passage. Figure 8 : Synchronisation des vitesses de trois robots dans une intersection à trois branches. Figure 9 : Simulation comparative de deux approches : politique ordinaire (à gauche) et politique sans inter-blocage (à droite). 52 REE N°4/2014 LE VÉHICULE CONNECTÉDOSSIER 1 routière existante. Cependant, cette ap- proche économique limite l’adoption et le déploiement de véhicules autonomes. Au plan technique, les tendances actuelles vont vers une amélioration en termes d’efficacité et de fiabilité des pro- grammes et des dispositifs électroniques (capteurs, actionneurs, calculateurs...). Cette fiabilisation passe par l’applica- tion d’algorithmes de vérification de propriétés de sûreté [13] et des étapes de validation par simulation, par expéri- mentation et par analyse des chaines de défaillance. Un autre aspect important qui devient de plus en plus présent est l’évolution du rôle de l’humain dans de tels systèmes. Ainsi, des études liées au concept d’intégration homme/machine (human in the loop) sont actuellement en cours. Ces études se focalisent sur le changement de paradigme de l’homme au centre du système vers l’homme en tant que manageur de systèmes. Enfin, le concept de véhicule autonome n’étant pas très éloigné de celui de robot auto- nome, plusieurs progrès significatifs ont été réalisés en robotique mobile ces dernières années depuis l’essor de l’uti- lisation de mini-drones civils. Outre les avancées techniques naturelles, ces der- nières études apportent des tendances intéressantes, en termes d’usage, que l’on retrouvera rapidement intégrées aux véhicules autonomes. Les véhicules autonomes com- mencent dès maintenant à être une réalité : leur industrialisation et la réso- lution des problèmes juridiques qu’ils posent sont les deux étapes cruciales qui restent à franchir. Références [1] L. Wei, C. Cappelle & Y. Ruicheck, ”Camera/Laser/GPS fusion method forvehiclepositioningunderextended NIS based sensor validation“, IEEE Transactions on instrumentation and measurement, 2013. [2] L. Wei, C. Cappelle & Y. Ruicheck, LES AUTEURS Abdeljalil Abbas-Turki est maître de conférences à l’Université de technolo- gie de Belfort-Montbéliard depuis septembre 2004. Ses travaux de recherches portent sur les problématiques de partage de ressources impliquant la communi- cation sans fil et le positionnement dans le transport terrestre. Il s’intéresse ainsi à la régulation coopérative des intersections, à l’ERTMS/ETCS. D’un point de vue théorique, il se focalise sur la modélisation de l’hybridité du système de transport dans lequel cohabitent le mouvement continu des entités mobiles et l’aspect discret de l’accessibilité aux infrastructures. Cindy Cappelle a obtenu sa thèse de doctorat de l’Université de Lille 1 en auto- matique, informatique industrielle, traitement du signal et des images en 2008. Après un post-doctorat à l’INRIA, elle devient maître de conférences à l’UTBM en 2009. Ses activités de recherche, menées au sein du laboratoire IRTES-SeT, concernent la localisation multi-capteurs de véhicules, la détection et le suivi des objets dans le cadre du développement des systèmes d’aide à la conduite et de la navigation autonome. Franck Gechter a obtenu en 2003, après un master en photonique et image et un diplôme d’ingénieur (Strasbourg), un doctorat en informatique (INRIA/LORIA Nancy). En 2004, il devient maître de conférences à l’UTBM où Il mène des re- cherches sur l’intelligence artificielle distribuée pour la résolution de problème et à la prise de décision appliquées aux problématiques du transport et de l’énergie. En 2012, il devient également membre de la fédération CNRS FCLab et obtient en 2013 son habilitation à diriger des recherches à l’Université de Franche Comté. Florent Perronnet a obtenu un diplôme d’ingénieur en informatique, spécialisé en image, interaction et réalité virtuel, à l’Université de technologie de Belfort- Montbéliard en 2011. Depuis 2012, il prépare une thèse de doctorat en génie informatique, automatique et traitement du signal à l’UTBM. Son travail traite des systèmes à événements discrets appliqués au problème des intersections de véhicules. L’objectif est de développer un système coopératif de régulation basé notamment sur l’utilisation de véhicules autonomes. Abderrafiaa Koukam est professeur à l’Université de technologie de Belfort- Montbéliard. Il a été directeur du département Informatique (2001-2003), vice-président du Conseil scientifique (2003-2007) et directeur du laboratoire Systèmes et transports (2007 à 2012). Il mène des recherches sur les systèmes multi-agents, le génie logiciel, la modélisation et la simulation. Il a coordonné pour l’UTBM plusieurs projets européens, nationaux et industriels (Trascom, Sure, ANR Safeplatoon, Cristal...). Yassine Ruichek a soutenu une thèse de doctorat puis une habilitation à diriger des recherches à l’Université de Lille 1, respectivement en 1997 et 2005. Depuis 2007, il est professeur des universités à l’UTBM. Il développe, au sein du labora- toire IRTES-SET, des activités de recherche sur la perception et la localisation par fusion multi-sources et multi-capteurs, avec des applications dans le domaine des systèmes de transport intelligents. Depuis septembre 2012, il est directeur du laboratoire IRTES-SET. REE N°4/2014 53 Véhicule connecté sans conducteur “Horizontal/vertical LRFs and GIS Maps aided vehicle localization un urban environment”, chez IEEE International conference on Intelligent Transportation Systems, The Hague, 2013. [3] J.Marais,C.Meurie,D.Attia,Y.Ruicheck & A. Flanquart, “Towards accurate localization in guided transport: Combining GNSS and imaging infor- mation”, Transportation Research Part C: Emerging Technologies, 2013. [4] D. Attia, C. Meurie, Y. Ruicheck & J. Marais, « Classification pixellaire pour la caractérisation de l’état de réception des signaux GNSS dans des images fish-eye », chez Colloque GRETSI traitement du signal et des images, Bordeaux, France, 2011. [5] Y. Li, “Stereo vision and Lidar based dynamic occupancy grid mapping: application to scenes analysis for intelligent vehicles”, PHD Thesis, UTBM, December 2013. [6] Y. Bouchalaa, M. Marouf, M. Abualhoul, E.Pollard,O.Shagdar&F.Nashabasuibi, “WAVE low latency video streaming for platooning safety real-time appli- cation”,chezIEEEVehicularnetworking conference, 2011. [7] M. El-Zaher, F. Gechter, P. Gruer & M. Hajjar, “A new linear platoon model based on reactive multi-agent systems”, chez IEEE International Conference on Tools with Artificial Intelligence, ICTAI, 2011. [8] B. Dafflon, F. Gechter, P. Gruer & A. Koukam, “Vehicule platoon and obstacle avoidance: a reactive agent approach”, IET Intelligent Transport Systems Journal, vol. 3, pp. 257-264, 2013. [9] J. Yazbeck, A. Scheuer, O. Simonin & F. Charpillet, “Improving near-to-near lateral control of platoons without communication”, chez IEEE-RSI Inter- national conference on intelligent ro- bots and systems, 2011. [10] P. Avanzini, B. Thuillot & P. Martinet, “Urban vehicle plaroon using mono- cular vision: scale factor estimation”, chez International conference on control, automation, robotics and vi- sion, 2010. [11] M. Ahmane, A. Abbas-Turki, A. Perronnet, J. Wu, A. El Moudni, J. Buisson & R. Zeo, “Modeling and controlling an isolated urban intersection based on cooperative vehicles”, Journal on transport re- search, Part C, 2013. [12] F. Perronnet, A. Abbas-Turki & A. El Moudni, “A sequenced-based protocol to manage autonomous vehicles at isolated intersections”, chez IEEE International conference on Intelligent Transportation Sys- tems, The Hague, 2013. [13] M. El Zaher, J.-M. Contet, P. Gruer, F. Gechter & A. Koukam, “Com- positional verification for reactive multi-agent systems applied to platoon non collision verification”, Studia Informatica Universalis, vol. 10(3), 2012.