Estimation du risque aux intersections pour applications sécuritaires avec véhicules communicants

Risk estimation at road intersections for connected vehicle safety applications

• Auteur / Autrice : Stéphanie Lefèvre
• Direction : Christian Laugier
• Type : Thèse de doctorat
• Discipline(s) : Mathématiques
• Date : Soutenance le 22/10/2012
• Etablissement(s) : Grenoble
• Ecole(s) doctorale(s) : École doctorale mathématiques, sciences et technologies de l'information, informatique (Grenoble ; 199.-....)
• Partenaire(s) de recherche : Equipe de recherche : Laboratoire d'Informatique de Grenoble
• Jury : Président / Présidente : Augustin Lux
• Jury : Examinateurs / Examinatrices : Javier Ibanez-guzman, Urbano Nunes
• Jury : Rapporteurs / Rapporteuses : Christoph Stiller, Roland Chapuis

Mots clés

Mots clés libres

Estimation du risque

Systèmes de transport intelligents

Raisonnement probabiliste

Véhicules communicants

Risk assessment

Intelligent transportation systems

Probabilistic reasoning

Connected vehicles

Résumé

Les intersections sont les zones les plus dangereuses du réseau routier. Les statistiques montrent que la plupart des accidents aux intersections sont causés par des erreurs des conducteurs, et que la plupart pourraient être évités à l'aide de systèmes d'aide à la conduite. En particulier, les communications inter-véhiculaires ouvrent de nouvelles opportunités pour les applications sécuritaires aux intersections. Le partage d'informations entre les véhicules via des liens sans fil permet aux véhicules de percevoir leur environnement au-delà des limites du champ de vision des capteurs embarqués. Grâce à cette représentation élargie de l'environnement dans l'espace et dans le temps, la compréhension de situation est améliorée et les situations dangereuses peuvent être détectées plus tôt. Cette thèse aborde le problème de l'estimation du risque aux intersections d'un nouveau point de vue : une structure de raisonnement est proposée pour analyser les situations routières et le risque de collision à un niveau sémantique plutôt qu'au niveau des trajectoires. Le risque est déterminé en estimant les intentions des conducteurs et en identifiant les potentiels conflits, sans avoir à prédire les futures trajectoires des véhicules. L'approche proposée a été validée par des expérimentations en environnement réel à l'aide de véhicules équipés de modems de communication véhicule-véhicule, ainsi qu'en simulation. Les résultats montrent que l'algorithme permet de détecter les situations dangereuses à l'avance et qu'il respecte les contraintes temps-réel des applications sécuritaires. Il y a deux différences principales entre l'approche proposée et les travaux existants. Premièrement, l'étape de prédiction de trajectoire est évitée. Les situations dangereuses sont identifiées en comparant ce que les conducteurs ont l'intention de faire avec ce qui est attendu d'eux d'après les règles de la circulation et le contexte. Le raisonnement sur les intentions et les attentes est réalisé de manière probabiliste afin de prendre en compte les incertitudes des mesures capteur et les ambiguïtés sur l'interprétation. Deuxièmement, le modèle proposé prend en compte les informations sur le contexte situationnel, c'est-à-dire que l'influence de la géométrie de l'intersection et des actions des autres véhicules est prise en compte lors de l'analyse du comportement d'un véhicule.

Intersections are the most complex and dangerous areas of the road network. Statistics show that most road intersection accidents are caused by driver error and that many of them could be avoided through the use of Advanced Driver Assistance Systems. In particular, vehicular communications open new opportunities for safety applications at road intersections. The sharing of information between vehicles over wireless links allows vehicles to perceive their environment beyond the field-of-view of their on-board sensors. Thanks to this enlarged representation of the environment in time and space, situation assessment is improved and dangerous situations can be detected earlier. This thesis tackles the problem of risk estimation at road intersections from a new perspective: a framework is proposed for reasoning about traffic situations and collision risk at a semantic level instead of at a trajectory level. Risk is assessed by estimating the intentions of drivers and looking for conflicts in them, rather than by predicting the future trajectories of the vehicles and looking for intersections between them. The proposed approach was validated in field trials using passenger vehicles equipped with vehicle-to-vehicle wireless communication modems, and in simulation. The results demonstrate that this algorithm allows the early detection of dangerous situations in a reliable manner and complies with real-time constraints. The proposed approach differs from previous works in two key aspects. Firstly, it does not rely on trajectory prediction to assess the risk of a situation. Dangerous situations are identified by comparing what drivers intend to do with what they are expected to do according to the traffic rules and the current context. The reasoning about intentions and expectations is performed in a probabilistic manner to take into account sensor uncertainties and interpretation ambiguities. Secondly, the proposed motion model includes information about the situational context. Both the layout of the intersection and the actions of other vehicles are taken into account as factors influencing the behavior of a vehicle.