Estimations embarquées de conditions de risque : adhérence et visibilité

On board estimation of risky conditions : friction and visibility

• Auteur / Autrice : Clément Boussard
• Direction : Brigitte d' Andréa-Novel
• Type : Thèse de doctorat
• Discipline(s) : Informatique, robotique, automatique
• Date : Soutenance en 2007
• Etablissement(s) : Paris, ENMP

Mots clés

Mots clés contrôlés

Systèmes de transport intelligent

Systèmes embarqués (informatique)

Théorie de l'estimation

Risques climatiques

Visibilité (transport)

Adhérences tissulaires

Résumé

Autrefois, nos voitures roulaient. Dans l'avenir, elles vont en plus dialoguer entre elles grâce à la communication V2V (Vehicle to Vehicle): les voitures s'échangent des données telles que leur position et leur vitesse. L'ordinateur de bord peut aussi enregistrer des renseignements provenant de la voiture - capteurs de pluie, de luminosité, mais aussi ESP, ABS -, et donner naissance à un réseau d'informations qui sont recueillies par une infrastructure capable de les analyser. C'est la communication V2I (Vehicule 2 Infrastructure). Plus grand sera le nombre de véhicules qui détectent une information - comme la présence de brouillard -, plus la probabilité que ce brouillard existe est forte, et plus l'infrastructure peut intervenir rapidement pour prévenir les conducteurs approchant de la zone où est le brouillard. Dans ce cadre, nous nous sommes intéressés à l'estimation embarquée de conditions de risques dues à des facteurs climatologiques. Le climat peut créer des conditions de risques tels que la neige, la pluie, le brouillard. . . . Ces conditions modifient l'état de la chaussée et la distance de visibilité offerte au conducteur. Étant donné qu'il n'existe pas de capteur rendant compte de l'état de la chaussée utilisable sur véhicule avec des capteurs standards, nous présentons dans la première partie de la thèse un nouvel estimateur de l'adhérence maximum de la route. Par ailleurs, il existe des estimateurs de la distance de visibilité par caméra embarquée mais ils ont des limites que nous avons essayé de contourner. La présentation de cet estimateur constitue la deuxième partie de la thèse.

In the past our cars were moving. In the future, they will converse through V2V communication (Vehicle to Vehicle): the cars exchange data such as position and speed. The onboard computer can also record information from the car - rain sensors, brightness, but also ESP, ABS -, and give birth to an information network where that information is collected by an infrastructure able to analyse it. This is the V2I communication (Vehicle to Infrastructure). The greater the number of vehicles that detect information - such as the presence of fog-, the higher the probability of fog, and the faster the infrastructure can inform drivers approaching the area where is the fog. In this context, we are interested in onboard risky condition estimation caused by climatic factors. Climate can create conditions of hazards such as snow, Rain, fog. . . These conditions change pavement conditions and the sight offered to the driverGiven that there is no sensor reflecting the road conditions which can be used on vehicles with standard sensors, we present in the first part of the thesis a new maximum road’s friction estimator. In addition, there are already some visibility distance estimators that use an onboard camera, but they have some limitations that we tried to circumvent. The presentation of this estimator constitutes the second part of the thesis.