Aide à la conduite et véhicule autonome en intersection

Driver assistance systems and connected autonomous vehicle at intersections

• Auteur / Autrice : Julien Moreau
• Direction : Pierre Melchior
• Type : Thèse de doctorat
• Discipline(s) : Automatique, Productique, Signal et Image, Ingénierie cognitique
• Date : Soutenance le 15/12/2020
• Etablissement(s) : Bordeaux
• Ecole(s) doctorale(s) : École doctorale des sciences physiques et de l’ingénieur (Talence, Gironde)
• Partenaire(s) de recherche : Laboratoire : Laboratoire de l'intégration du matériau au système (Talence, Gironde)
• Jury : Président / Présidente : Michel Basset
• Jury : Examinateurs / Examinatrices : Said Mammar, Stéphane Victor, Mathieu Moze, Franck Guillemard
• Jury : Rapporteurs / Rapporteuses : Eric Bideaux, Reine Talj

Mots clés

Mots clés contrôlés

Automobiles -- Systèmes d'aide à la conduite

Dynamique

Véhicules automobiles

Véhicules autonomes

Commande automatique

Mots clés libres

Automatique

Dynamique du véhicule

Véhicule autonome

Planification de chemin

Planification de vitesse

Automatic control

Vehicle Dynamics

Autonomous Vehicle

Path Planning

Speed Profile

Résumé

L’objectif de cette thèse est de contribuer à lever un verrou scientifique que constitue la navigation en milieu urbain avec notamment un enjeu de manœuvrabilité du véhicule autonome en environnement réduit et dynamique. Ainsi, la planification de trajectoire doit permettre la génération de référence à suivre par le véhicule autonome respectant les contraintes de l’infrastructure routière, tout en garantissant une capacité de réaction vis-à-vis d’obstacles éventuelles.Après un bref historique de la conduite autonome, les spécificités du milieu urbain sont énumérées. Il est montré que le milieu urbain est un environnement incertain, possédant des routes à fortes courbures et une circulation à faible vitesse. Les objectifs et contraintes associés à la planification de trajectoire sont exposés et une approche par décomposition du chemin et de la vitesse combinée à une complémentarité entre prédictif et réactif est proposée.La planification de chemin prédictif s’intéresse à déterminer le chemin à suivre par le véhicule autonome respectant un certain nombre de contraintes connues à l’avance. Un chemin atteignable par le véhicule et garantissant que celui-ci reste à tout instant dans l’espace libre appelé chemin de référence est généré. Le chemin obtenu ne prend pas en compte la variation de l’environnement et le véhicule est alors amené à éviter un certain nombre d’obstacles empêchant le suivi de ce chemin planifié. Ces obstacles peuvent être dynamiques ou statiques, comme par exemple un véhicule garé empiétant sur la voie.Dans le cas des obstacles statiques, un nouveau chemin à suivre par le véhicule est généré au travers d’un algorithme de replanification de chemin. Une consigne de vitesse est associée au chemin de référence en tenant compte de la sécurité, du confort des passagers et des limites du véhicule, notamment celles de ses actionneurs.Le véhicule autonome peut également être amené à éviter un certain nombre d’obstacles dynamiques. Dans ce cas, la vitesse de l’égo-véhicule est adaptée en fonction de la situation est alors primordiale afin d’éviter une éventuelle collision.Finalement, une plateforme de simulation développée avec le logiciel de simulation de conduite SCANeR Studio et le logiciel Matlab/Simulink est utilisée afin de tester ces algorithmes dans des situations complexes.

The main goal of this thesis is to help removing a scientific barrier in urban environment navigation. Thus, the trajectory planning must allow the generation of reference to be followed by the autonomous vehicle respecting the constraints of the road infrastructure, while guaranteeing a capacity to react to potential obstacles. Therefore, the trajectory planning must allow reference generation to be followed by the autonomous vehicle respecting road infrastructure constraints, while guaranteeing a capacity to react to potential obstacles.After a brief history on autonomous driving, the specificities of the urban environment are listed. It is shown that the urban environment is an uncertain environment, with high curvature roads and low speed traffic. The objectives and constraints associated with trajectory planning are outlined and a path and speed decomposition approach combined with a complementarity between predictive and reactive methods is proposed.Predictive path planning is concerned with determining the path to be followed by the autonomous vehicle within a number of known constraints in advance. A reference path, reachable by the nonholonomous vehicule and guaranteed in the free space at all time, is generated. The generated path does not take into account the variation of the environment and the vehicle is then led to avoid obstacles preventing the follow-up of this planned path. These obstacles can be dynamical or static, for example a parked vehicle encroaching on the track.In the case of static obstacles, a new path to be followed by the vehicle is generated through a path rescheduling algorithm. A speed profile is associated with the reference path, taking into account the safety, passenger comfort and vehicle limitations, including the actuator ones.The autonomous vehicle may also have to avoid a number of dynamic obstacles. In this case, the speed of the ego-vehicle is adapted according to the situation is then paramount in order to avoid a possible collision.Finally, a simulation platform developed with the SCANeR Studio driving simulation software and Matlab/Simulink software is used to test these algorithms in complex situations.