TITRE : Procédé de modélisation d’un environnement tactique d’un véhicule automobile.

L’invention concerne un procédé de modélisation d’un environnement d’un véhicule automobile. L’invention porte encore sur un dispositif de modélisation d’un environnement d’un véhicule automobile.

Un véhicule intelligent ou autonome est amené à prendre des décisions en permanence, par rapport à la situation dans laquelle il se trouve. Dans la littérature, on distingue trois niveaux de décisions prises par un véhicule autonome :

- un premier niveau de décision dit opérationnel portant sur des décisions à prendre dans une première fenêtre de temps très restreinte, de l’ordre de la milliseconde et à l’horizon d’une seconde par exemple,

- un deuxième niveau de décision dit tactique portant sur des décisions à moyen terme, par exemple des décisions à prendre dans un intervalle de temps supérieur à la seconde et limité à une dizaine de secondes,

- un troisième niveau de décision dit stratégique portant sur des décisions à long terme, par exemple des décisions à prendre dans plus de dix secondes par rapport à l'instant présent.

Les décisions opérationnelles sont prises à haute fréquence, à partir d’une représentation fine et précise de l’environnement proche dans lequel le véhicule se trouve. Les décisions stratégiques sont, quant à elles, prises à basse fréquence et ne nécessitent qu’une représentation à haute granularité de l’environnement du véhicule, sur une portée pouvant dépasser le kilomètre. Ces deux types de représentation de l’environnement, fine pour des décisions opérationnelles ou à haute granularité pour des décisions stratégiques, sont déjà largement répandues. En revanche, les représentations de l’environnement dédiées aux prises de décisions tactiques sont moins répandues. La présente invention propose d’y remédier.

On connait de l’art antérieur, notamment de US2018/0322777A1 , des solutions mettant en oeuvre des grilles d’occupation de l’espace environnant le véhicule automobile. Toutefois ces grilles présentent des inconvénients :

- elles modélisent une zone de dimension fixe, sans adapter la modélisation au contexte de circulation du véhicule automobile, ou

- les cellules constituant la grille ne peuvent prendre que trois états : libre, occupé ou indéfini.

Le but de l’invention est de fournir un dispositif et procédé de modélisation d’un environnement tactique d’un véhicule automobile remédiant aux inconvénients ci-dessus et améliorant les dispositifs et procédés de modélisation d’un environnement tactique d’un véhicule automobile. En particulier, l’invention permet de réaliser un dispositif et un procédé qui soient simples et fiables et qui adaptent la modélisation de l’environnement au contexte de circulation du véhicule, et qui fournissent une description enrichie de l’état des cellules d’une grille d’occupation particulièrement adapté aux prises de décision tactiques.

A cet effet, l’invention porte sur un procédé de modélisation d’un environnement tactique d’un premier véhicule automobile autonome, l’environnement tactique désignant des données environnementales du véhicule automobile autonome susceptibles d’impacter une prise de décision tactique portant sur des décisions à moyen terme. Le premier véhicule automobile autonome comprend :

- un ensemble de moyens de perception,

- un module de décision, et

- un module de modélisation géométrique d’un ensemble de voies de circulation à prendre en compte par le module de décision, l’ensemble de voies comprenant des voies de premier ordre interagissant directement avec une voie de circulation où circule le premier véhicule automobile autonome selon un mode d’interaction défini dans un ensemble prédéfini de modes d’interaction, et des voies de second ordre interagissant avec les voies de premier ordre, selon un mode d’interaction défini dans l’ensemble prédéfini de modes d’interaction, l’ensemble prédéfini de modes d’interaction comprenant au moins un mode d’interaction parmi un maintien du véhicule automobile autonome sur sa voie de circulation, un changement de voie du véhicule automobile autonome sur une voie adjacente à sa voie de circulation, une fusion de la voie du véhicule automobile autonome avec une autre voie de circulation, une traversée de la voie du véhicule automobile autonome par au moins une autre voie de circulation.

En outre, le procédé de modélisation comprend :

- une première étape de construction d’un modèle géométrique, par le module de modélisation géométrique, d’un ensemble de voies de circulation du premier ordre et du second ordre et de décomposition des voies de circulation en un ensemble de cellules de longueur identique,

- une deuxième étape d’estimation, à partir de données issues de l’ensemble de moyens de perception, d’un premier état d’occupation de chaque cellule de l’ensemble de cellules comme étant soit un état libre, soit un état occupé, soit un état indéterminé, l’état indéterminé étant attribué à une cellule située hors d’un champ de vue de l’ensemble de moyens de perception et/ou à une cellule au moins partiellement cachée par un obstacle situé entre le premier véhicule automobile autonome et la cellule,

- une troisième étape de définition, à partir de données issues de l’ensemble de moyens de perception, d’un deuxième état d’occupation pour chaque cellule donnée dont le premier état d’occupation est indéterminé comme étant neutralisé ou sécurisé, par analyse du trafic situé sur les voies de circulation du second ordre, comprenant une sous-étape d’attribution d’un état neutralisé à la cellule donnée si un deuxième véhicule, distinct du premier véhicule automobile autonome et circulant sur une voie de deuxième ordre, occupe une première cellule située au croisement d’une voie de premier ordre et de la voie de second ordre et en aval de la cellule donnée selon le sens de circulation de la voie de premier ordre,

- une quatrième étape de transmission au module de décision d’un modèle environnemental comprenant une association d’un état d’occupation à chaque cellule du modèle géométrique, l’état d’occupation d’une cellule étant le deuxième état s’il est défini, sinon l’état d’occupation d’une cellule étant le premier état.

La troisième étape peut comprendre, suite à la sous-étape d’attribution d’un état neutralisé, une sous-étape d’attribution d’un état sécurisé à la cellule donnée comprenant une détermination d’une zone d’arrêt d’urgence associée à chaque véhicule environnant le premier véhicule automobile autonome.

La détermination d’une zone d’arrêt d’urgence peut comprendre :

- une détermination d’un ensemble de trajectoires possibles du véhicule environnant, puis

- pour chaque trajectoire possible,

* un calcul d’une distance d’arrêt du véhicule environnant et

* une détermination d’un groupe de cellules adjacentes situé sur la trajectoire possible, à l’avant du véhicule environnant et à une distance du véhicule environnant inférieure à la distance d’arrêt du véhicule environnant, la zone d’arrêt d’urgence du véhicule environnant pouvant être l’intersection des groupes de cellules adjacentes associés à chaque trajectoire possible, puis

- une attribution d’un état sécurisé à la chaque cellule de la zone d’arrêt d’urgence dont le deuxième état d’occupation est différent de l’état neutralisé.

La deuxième étape d’estimation d’un premier état de chaque cellule de l’ensemble de cellules peut comprendre une superposition de l’ensemble de cellules et d’une carte de répartition d’un espace couvert par le champ de vue en zones libres, occupées ou indéterminées, la carte de répartition étant issue de l’ensemble de moyens de perception.

L’état d’une cellule peut être :

- occupé si un premier nombre de points de la cellule se situant dans une ou plusieurs zones occupées de la carte de répartition est supérieur à un premier seuil donné, sinon

- libre si un deuxième nombre de points de la cellule se situant dans une ou plusieurs zones libres de la carte de répartition est supérieur à un deuxième seuil donné, sinon indéterminé.

Les premier et deuxième seuils donnés peuvent être soit un nombre minimal de points en valeur absolue, soit un pourcentage minimal d’un nombre total de points contenus dans la cellule.

La carte de répartition peut comprendre une représentation de l’espace environnant le premier véhicule automobile autonome par des polygones, ou par une grille d’occupation, ou par une carte de disparité.

Les moyens de perception peuvent fournir des données de perception et un indice de confiance associé aux données de perception, et la première étape de construction d’un modèle géométrique peut comprendre :

- une sous-étape de réception de données de perception issues de l’ensemble de moyens de perception, et d’un indice de confiance associé aux données de perception,

- une sous-étape de calcul d’un pas de discrétisation optimisé en fonction de l’indice de confiance, - une sous-étape de transmission du pas de discrétisation optimisé au module de modélisation géométrique, puis

- une sous-étape de réception d’un modèle géométrique issu du module de modélisation géométrique, le modèle géométrique comprenant un ensemble de voies de premier et de second ordre décomposées en un ensemble de cellules de longueur optimisée.

La sous-étape de calcul d’un pas de discrétisation optimisé peut comprendre :

- une minimisation d’un nombre de cellules faussement négatives, une cellule faussement négative étant estimée dans l’état libre, dans l’état neutralisé ou dans l’état sécurisé alors qu’elle est en réalité dans l’état occupé, et optionnellement,

- une minimisation d’un nombre de cellules faussement positives, une cellule faussement positive étant estimée dans l’état occupé, alors qu’elle est en réalité dans l’état libre, dans l’état neutralisé ou dans l’état sécurisé.

L’invention porte en outre sur un dispositif de modélisation d’un environnement d’un premier véhicule automobile autonome, le premier véhicule automobile autonome étant équipé d’un moyen de contrôle autonome de mouvement et d’un module de décision. Le dispositif comprend des éléments matériels et/ou logiciels mettant en oeuvre le procédé tel que défini précédemment.

L’invention porte également sur un produit programme d’ordinateur comprenant des instructions de code de programme enregistrées sur un support lisible par ordinateur pour mettre en oeuvre les étapes du procédé tel que défini précédemment lorsque ledit programme fonctionne sur un ordinateur. L’invention porte également sur un produit programme d’ordinateur téléchargeable depuis un réseau de communication et/ou enregistré sur un support de données lisible par un ordinateur et/ou exécutable par un ordinateur, comprenant des instructions qui, lorsque le programme est exécuté par l’ordinateur, conduisent celui-ci à mettre en oeuvre le procédé tel que défini précédemment.

L’invention porte encore sur un support d’enregistrement de données, lisible par un ordinateur, sur lequel est enregistré un programme d’ordinateur comprenant des instructions de code de programme de mise en oeuvre du procédé tel que défini précédemment. L’invention porte encore sur un support d'enregistrement lisible par ordinateur comprenant des instructions qui, lorsqu'elles sont exécutées par un ordinateur, conduisent celui-ci à mettre en oeuvre le procédé tel que défini précédemment.

L’invention porte encore sur un signal d'un support de données, portant le produit programme d'ordinateur tel que défini précédemment.

Les dessins annexés représentent, à titre d’exemple, un mode de réalisation d’un dispositif de modélisation d’un environnement d’un véhicule automobile et un mode d’exécution d’un procédé de modélisation d’un environnement automobile selon l’invention.

La figure 1 représente un véhicule automobile équipé d’un dispositif de modélisation d’un environnement.

La figure 2 est une représentation alternative d’un véhicule automobile équipé d’un dispositif de modélisation d’un environnement.

La figure 3 illustre un exemple de modélisation des voies de circulation à prendre en compte pour une décision tactique du véhicule automobile.

La figure 4 illustre un premier mode de réalisation d’une représentation de l’occupation de l’espace environnant le véhicule automobile.

La figure 5 illustre un deuxième mode de réalisation d’une représentation de l’occupation de l’espace environnant le véhicule automobile. La figure 6 est un ordinogramme d’un mode d’exécution d’un procédé de modélisation d’un environnement selon l’invention.

La figure 7 représente une première grille de modélisation des voies de circulation générée avec un premier pas de discrétisation de longueur réduite.

La figure 8 représente une deuxième grille de modélisation des voies de circulation générée avec un deuxième pas de discrétisation supérieur au premier pas de discrétisation.

La figure 9 illustre un traitement d’agrégation entre une grille de modélisation des voies de circulation et la portée de vue d’un ensemble de moyens de perception du véhicule automobile.

La figure 10 illustre un traitement d’agrégation entre une grille de modélisation des voies de circulation et une représentation par grille d’occupation des données issues de moyens de perception.

La figure 1 1 illustre un traitement d’agrégation entre une grille de modélisation des voies de circulation et une représentation par polygones des données issues de moyens de perception.

La figure 12 illustre une catégorisation de voies d’intérêt de premier et de second ordre selon un des états libre, occupé et indéterminé.

La figure 13 représente une première portion de voie de circulation dont l’état est neutralisé et une deuxième portion de voie de circulation dont l’état est sécurisé.

Un exemple d’un véhicule automobile 100 équipé d’un mode de réalisation d’un dispositif de modélisation d’un environnement tactique d’un véhicule automobile est décrit ci-après en référence à la figure 1 .

Le véhicule automobile 100 peut être un véhicule automobile de n’importe quel type, notamment un véhicule de tourisme, un véhicule utilitaire, un camion ou encore un véhicule de transport en commun tel qu’un bus ou une navette. Selon le mode de réalisation décrit, le véhicule automobile 100 est un véhicule autonome et sera désigné "véhicule autonome" dans la suite de la description.

Cette illustration est donc faite à titre non limitatif. Notamment le véhicule automobile pourrait être un véhicule non autonome, équipé d’un système d'aide à la conduite, notamment un système d'aide à la conduite correspondant à un niveau supérieur ou égal au niveau 2 d’autonomie, c’est-à-dire correspondant à une autonomie partielle du véhicule.

Dans la suite du document, le terme d’environnement tactique du véhicule autonome 100 désigne les données environnementales du véhicule autonome 100 qui peuvent impacter une prise de décision tactique. Il peut s’agir des données environnementales susceptibles d’impacter une décision à prendre dans un intervalle de temps supérieur à la seconde et limité à une dizaine de secondes.

Le véhicule autonome 100 se déplace dans un environnement donné. Le véhicule autonome 100 comprend un système d’aide à la conduite 70 et un moyen de contrôle autonome 20 du véhicule autonome 100.

Le système d’aide à la conduite 70 transmet une commande de déplacement C au moyen de contrôle autonome 20. La commande de déplacement C peut comprendre une commande de déplacement longitudinal et/ou une commande de déplacement latéral. La commande de déplacement longitudinal peut comprendre une première consigne de couple destinée à un groupe motopropulseur du véhicule et/ou une deuxième consigne de couple destinée à un actionneur de freins du véhicule. La commande de déplacement latéral comprend un angle de rotation des roues directrices du véhicule autonome 100.

Le système d’aide à la conduite 70 comprend notamment un système 10 de modélisation de l’environnement tactique du véhicule autonome 100 et un module de décision 3. Le système 10 a pour rôle de construire une modélisation M_ENV_T de l’environnement tactique du véhicule autonome qui sera transmise au module de décision 3. La modélisation M_ENV_T permet au module de décision 3 de prendre une ou plusieurs décisions tactiques. Ces décisions seront ensuite traduites en commandes C de déplacement du véhicule autonome 100.

Le système 10 de modélisation de l’environnement tactique du véhicule autonome 100 comprend notamment les éléments suivants :

- un moyen de stockage de données dans lequel est enregistré une carte haute définition 1 comprenant une description du réseau routier sur lequel le véhicule autonome 100 évolue,

- un système de géolocalisation 2 permettant localiser le véhicule autonome 100 sur la carte 1 ,

- un module 4 de construction d’une représentation géométrique des voies d’intérêt pour le véhicule autonome 100,

- des moyens de perception 5 de l’environnement du véhicule autonome 100,

- une unité de calcul 6 comprenant un microprocesseur 61 , une mémoire électronique locale 62 et des interfaces de communication 63 permettant au microprocesseur 61 de recevoir des données issues du système de géolocalisation 2, module de modélisation géométrique 4 et des moyens de perception 5 et de transmettre des données au module de modélisation géométrique 4.

La carte 1 fournit une description géométrique, topologique et sémantique du réseau routier.

En particulier, la carte 1 comprend les informations nécessaires pour déterminer, à partir d’une position du véhicule autonome 100 déterminée par le système de géolocalisation 2, tous les chemins possibles dont le point de départ est déterminé par ladite position. Le réseau routier décrit par la carte 1 comprend des routes décomposées en voies de circulation. Les voies de circulation sont elles-mêmes décomposées en segments de voies ; la carte 1 associe un identifiant à chaque segment de voie.

Dans la suite du document, les termes « voie >> ou « voie de circulation >> font référence à un segment de voie associé à un identifiant unique défini par la carte 1 .

La géolocalisation du véhicule autonome 100 par le système de géolocalisation 2 consiste à déterminer un identifiant d’une voie sur laquelle circule le véhicule autonome 100, et la position du véhicule sur ce segment de voie.

La figure 2 fournit une description haut niveau des traitements mis en oeuvre dans le système d’aide à la conduite 70, concernant une prise de décision de niveau tactique. Le traitement se décompose en une perception X1 de l’environnement du véhicule autonome 100, puis une structuration X2 de la perception, puis une prise de décision X3 à partir de la perception structurée.

Ainsi, à partir d’une perception X1 de l’environnement tactique du véhicule autonome 100, notamment sur réception de données D_ENV issues de l’ensemble de moyens de perception 5, le système d’aide à la conduite 70 crée un modèle structuré M_ENV_T de l’environnement tactique du véhicule autonome 100, et transmet le modèle structuré M_ENV_T au module de décision 3.

La construction du modèle structuré M_ENV_T comprend les deux étapes suivantes :

- une première étape de création, par le module 4, d’une description géométrique LGM d’un ensemble de voies de navigation susceptibles de jouer un rôle dans une prise de décision tactique,

- une deuxième étape de structuration, par le microprocesseur 61 , des données environnementales D_ENV selon la description géométrique LGM.

La description géométrique ou grille LGM créée par le module 4 est une représentation allocentrée et discrétisée (sous forme de grille constituée d’une succession de cellules jointives entre elles) des voies de navigation, dans le sens de la longueur et le long des voies de navigation.

Dans un mode de réalisation alternatif non décrit dans ce document, les voies pourraient également être décomposées en cellules dans le sens de la largeur. Dans ce cas, une grille LGM serait alors une représentation allocentrée et discrétisée (sous forme de grille constituée d’une succession de cellules jointives entre elles) des voies de navigation, dans le sens de la longueur et dans le sens de la largeur.

Une représentation allocentrée utilise un repère fixe dans le monde, contrairement à une représentation égocentrée qui utilise un repère se déplaçant avec le véhicule.

Chaque cellule de la grille LGM s’étend sur une longueur égale à un pas de discrétisation PDIS, et sur la largeur complète de la voie de navigation. La longueur des cellules est considérée dans le sens de circulation sur la voie de circulation en question. Ainsi, toutes les cellules de la grille LGM ont une longueur identique, égale au pas PDIS. Dans un mode de réalisation la valeur du pas fixe PDIS est déterminée en fonction de la précision de l’ensemble de moyens de perception 5 et/ou de la précision du moyen de géolocalisation 2, notamment la valeur du pas fixe est comprise entre dix centimètres et cinq cent centimètres. La valeur du pas fixe PDIS pourrait être comprise dans d’autres plages de valeurs. Le pas de discrétisation PDIS peut également être modifié pour optimiser la fiabilité des données environnementales associées à chaque cellule, notamment la fiabilité du statut d’occupation de chaque cellule comme cela est décrit plus loin dans ce document.

La Figure 3 fournit un exemple d’une grille LGM relative au véhicule autonome 100. La flèche dirigée vers la droite indique le trajet que le véhicule autonome 100 s’apprête à suivre. Dans ce contexte, la grille LGM inclut une modélisation des voies suivantes, correspondant aux voies dites d’intérêt dans la situation courante du véhicule autonome 100 :

- la voie 151 sur laquelle circule le véhicule autonome 100 ainsi que la voie 152 qu’il s’apprête à suivre après avoir tourné à droite,

- la voie 153 adjacente à la voie de circulation du véhicule autonome 100 qui se trouve immédiatement à gauche et dans la même sens de circulation que la voie 151 ,

- la voie 154 venant de la gauche, qui va croiser le chemin du véhicule autonome 100.

Les autres voies de navigation ne sont pas modélisées dans la grille LGM car elles n’ont aucun impact sur les décisions à prendre par le véhicule autonome 100 à cet instant donné.

Selon un mode de réalisation préférentiel du module 4, les voies d’intérêt peuvent être du premier ordre ou du second ordre. Dans ce mode de réalisation, à partir d’une position donnée du véhicule autonome 100, on détermine un ensemble de chemins possibles pour le véhicule autonome 100, dans un horizon donné de temps ou de distance. Chaque chemin possible est ensuite considéré pour déterminer des voies d’intérêt du premier et du second ordre :

- les voies de premier ordre sont définies comme interagissant directement avec le chemin possible selon un mode d’interaction défini dans un ensemble prédéfini de modes d’interaction, et

- les voies de second ordre sont définies comme interagissant directement avec une voie de premier ordre selon un mode d’interaction défini dans un ensemble prédéfini de modes d’interaction.

Dans un mode de réalisation, l’ensemble prédéfini de modes d’interaction peut comprendre :

- un maintien du véhicule automobile 100 sur sa voie de circulation, et/ou,

- un changement de voie du véhicule automobile 100 sur une voie adjacente à sa voie de circulation, et/ou

- une fusion de la voie du véhicule automobile 100 avec une autre voie de circulation, et/ou

- une traversée de la voie du véhicule automobile 100 par au moins une autre voie de circulation.

Dans un mode de réalisation, la construction d’une LGM est commandée par le microprocesseur 61 sur transmission au module 4 d’une requête de construction REQ(LOPT), la requête pouvant contenir un pas de discrétisation optimisé LOPT. Ce point sera détaillé plus loin dans le document.

Les moyens de perception 5 peuvent comprendre tout moyen de perception permettant de caractériser une occupation spatiale de l’environnement, par exemple un ou plusieurs radars et/ou cameras et/ou lidars embarqués sur le véhicule autonome 100. Les moyens de perception 5 ont un champ de vue désigné dans la suite du document par l’expression champ de vue « FOV >> pour l’acronyme « Field Of View >>. Le champ de vue FOV est délimité par la portée des moyens de perception 5. Dans la suite du document, un point ou une zone situés en dehors du champ de vue sont dits non observables. Selon cette définition, une zone peut être observable mais cachée, par exemple par un obstacle (véhicule, bâtiment, ...) situé entre l’ensemble de moyens de perception 5 et la zone. A l’intérieur du champ de vue FOV, les données issues de l’ensemble de moyens de perception 5 fournissent une représentation opérationnelle de l’occupation d’un espace environnant le véhicule autonome 100.

La représentation de l’occupation de l’espace environnant peut prendre différentes formes. Certaines représentations décomposent l’espace environnant le véhicule autonome 100 en zones dites occupées, libres, ou indéterminées, parmi lesquelles des représentations par polygones, des représentations sous forme de grilles d’occupation probabiliste ou évidentielle, ou des représentations par cartes de disparité.

Lorsque l’occupation de l’espace environnant est représentée pas des polygones, chaque polygone détermine le contour d’une zone qui peut être qualifiée par un état. Chaque segment du contour d’un polygone peut également fournir une information d’état (notamment lorsqu’un segment délimite un certain type d’objet).

Une représentation par grille d’occupation utilise une grille à deux dimensions pour quadriller l’espace environnant, la taille des cellules étant fixe et généralement plutôt petite. L’espace délimité par chaque cellule est caractérisé par une ou plusieurs informations, par exemple un état d’occupation et/ou une probabilité d’occupation et/ou une hauteur d’un objet occupant la cellule.

Les représentations par cartes de disparité sont construites à partir des images issues d’une paire de caméras stéréo. Ces représentations se présentent sous la forme d’une grille à trois dimensions d’une image de disparité (inversement proportionnelle à la profondeur).

La figure 4 illustre un exemple de représentation de l’occupation spatiale par des polygones 40, 41 , 42, le polygone 41 étant le complémentaire des polygones 40 et 42. La figure 5 illustre un exemple de représentation de l’occupation spatiale par une grille d’occupation 51 .

Les informations issues des moyens de perception 5 permettent ainsi de catégoriser l’espace en zones dites libres, zones dites occupées et zones dites indéterminées. Une zone est dite libre si elle ne contient aucun obstacle ; elle est dite occupée si elle contient au moins un obstacle ; elle est dite indéterminée si elle se situe hors du champ de vue FOV ou si elle est au moins partiellement cachée par un obstacle. Par exemple, dans la figure 4, le polygone 40 représente une zone occupée, le polygone 41 représente une zone cachée et le polygone 42 représente une zone libre.

Le système d’aide à la conduite 10 peut également comprendre un réseau de communication 7 du véhicule autonome 100 - par exemple un réseau CAN-. Le réseau de communication 7 peut notamment fournir au microprocesseur 61 des données cinématiques du véhicule autonome 100, et des véhicules environnants comme la vitesse, l’accélération, le jerk.

Le microprocesseur 61 peut en outre avoir accès, via un réseau cellulaire, à une base de données partagée 8 comprenant des informations contextuelles, comme par exemple des mises à jour de carte, des notifications de zones de travaux, etc...

Dans le mode de réalisation de l’invention, le calculateur 61 permet d’exécuter un logiciel comprenant les modules suivants qui communiquent entre eux :

- un module 61 1 de construction d’un modèle géométrique d’un ensemble de voies, qui communique avec le module de modélisation géométrique 4, et l’ensemble de moyens de perception 5,

- un module 612 d’estimation d’un premier état d’occupation de chaque cellule du modèle géométrique, qui communique avec l’ensemble 5 de moyens de perception,

- un module 613 de définition d’un deuxième état d’occupation de cellules, qui communique avec l’ensemble de moyens de communication 5 et le réseau de communication 7.

- un module 614 de transmission d’un modèle environnemental, qui communique avec le module de décision 3.

Dans la première étape E1 , on construit un modèle géométrique, ou grille LGM, d’un ensemble de voies ENS_VOIES de premier et de second ordre décomposées en un ensemble de cellules ENS_C de longueurs identiques.

La première étape E1 de construction d’un modèle géométrique comprend une sous-étape E14 de réception d’un modèle géométrique LGM issu du module de modélisation géométrique 4.

Dans la suite du document, le modèle géométrique est aussi appelé grille LGM.

Dans un mode de réalisation, le module de modélisation géométrique transmet périodiquement des mises à jour du modèle géométrique.

Dans un mode de réalisation, la sous-étape de réception E14 peut être précédée des sous étapes suivantes :

- une sous-étape E1 1 de réception de données de perception issues de l’ensemble de moyens de perception 5, et d’un indice de confiance IC associé aux données de perception,

- une sous-étape E12 de calcul d’un pas de discrétisation optimisé POPT en fonction de l’indice de confiance IC,

- une sous-étape E13 de transmission du pas de discrétisation optimisé POPT au module de modélisation géométrique 4. La longueur des cellules, c’est-à-dire la taille de l’échantillonnage des voies de circulation, est un paramètre clé de la construction du modèle environnemental tactique M_ENV_T.

En effet, comme cela est expliqué plus loin dans ce document, la construction du modèle environnemental tactique M_ENV_T repose sur la caractérisation du statut de chaque cellule de la grille LGM comme étant indéterminé, libre, occupé, neutralisé ou sécurisé (ces deux derniers statuts étant déterminés par analyse du trafic situé sur les voies secondaires de la grille LGM). La connaissance du statut des cellules permet au véhicule autonome de prendre des décisions en minimisant les risques d’accident. De ce fait, le taux d’erreurs dans l’information fournie par une grille LGM doit se situer en dessous d’un seuil maximum d’erreurs.

Or, comme on le verra ultérieurement dans la description des étapes E2 et E3, le statut d’une cellule est défini à partir des données issues des moyens de perception 5, ces données comportant avantageusement un indice de confiance IC variable selon les conditions de perception. Il est donc primordial que la taille des cellules, c’est-à-dire la taille d’échantillonnage des voies de circulation soit adaptée à l’indice de confiance des données issues de moyens de perception 5.

Toutefois, l’indice de confiance peut être indéfini ou erroné. Dans ce cas, il existe un risque de choisir un pas de discrétisation trop précis par rapport à l’incertitude sur la localisation, ce qui augmente la probabilité d’attribuer un statut erroné aux cellules. Par exemple, on peut obtenir un nombre trop élevé de faux négatifs, c’est-à-dire de cellules estimée à tort comme étant libres, ce qui augmente le risque de collision.

Une solution consiste alors à augmenter le pas de discrétisation de la grille LGM, ce qui aura pour effet d’estimer de façon plus pessimiste le statut des cellules du fait des règles de détermination des statuts des cellules de la grille LGM (ces règles sont détaillées dans la description des étapes E2 et E3). Autrement dit, du fait des règles appliquées pour le calcul de l’état d’une cellule, en augmentant le pas de discrétisation on diminue les détections de faux négatifs, c’est-à-dire de cellules faussement libres, et du fait de l’augmentation de la longueur des cellules, on augmente la surface des zones faussement considérées comme occupées.

Les figures 7 et 8 illustrent l’effet du réglage du pas de discrétisation. La première figure représente une première grille LGM1 générée avec un premier pas de discrétisation P1 de longueur réduite. Un véhicule 101 situé sur la gauche du véhicule autonome 100 occupe une première série de cellules 71 s’étendant sur une première longueur L1 .

La même scène est représentée par la figure 9, tandis qu’une deuxième grille LGM2 a été générée avec un deuxième pas de discrétisation P2 (supérieur au pas P1 ) pour générer une deuxième grille LGM2. Le véhicule 101 occupe alors une deuxième série de cellules 72 dont la longueur est L2 est supérieure à la longueur L1 .

Si la localisation du véhicule 101 est précise alors le premier pas P1 est plus approprié que le deuxième pas P2. En revanche, si la localisation du véhicule 101 est peu précise alors le deuxième pas P2 est plus approprié que le premier pas P1 .

Ainsi, dans la deuxième sous-étape E12, on calcule une valeur optimisée POPT du pas de discrétisation qui tient compte à la fois de l’indice d’incertitude associé aux moyens de perception 5 mais aussi d’un pourcentage maximal de cellules faussement considérées comme libres.

Dans un mode de réalisation, la valeur optimisée POPT peut être une variable de configuration du procédé, cette variable ayant préalablement été déterminée par simulation. Un exemple d’une méthode de simulation permettant de calculer une valeur optimisée POPT est décrite ci-après :

- dans un premier temps, on enregistre un grand nombre de jeux de données issues des capteurs d’un véhicule de sorte à obtenir une échantillon suffisamment important pour être le plus représentatif possible des situations rencontrées par le véhicule,

- dans un deuxième temps, on rejoue les données par simulation pour évaluer le processus d’attribution d’un état à chaque cellule de la grille LGM ; puis en faisant varier le pas de discrétisation, on obtient alors une fonction de variation du nombre de faux négatifs en fonction du pas de discrétisation.

- on se fixe alors un taux de faux négatifs cible à ne pas dépasser ; le taux de faux négatifs étant strictement décroissant en fonction de l’augmentation du pas de discrétisation, une approche par dichotomie peut être utilisée pour trouver le plus petit pas de discrétisation permettant de respecter le taux maximal de faux négatifs.

Puis dans la troisième sous-étape E13 on transmet au module 4 la valeur optimisée POPT du pas de discrétisation.

Puis dans une troisième sous-étape E14 on reçoit une grille LGM issue du module 4, et dont le pas de discrétisation est égal à la valeur optimisée POPT.

On enchaine ensuite sur l’étape E2 de détermination, à partir de données issues de l’ensemble de moyens de perception 5, d’un premier état d’occupation de chaque cellule de l’ensemble de cellules ENS_C comme étant soit un état libre, soit un état occupé, soit un état indéterminé.

La figure 9 illustre un premier traitement E21 d’agrégation entre une grille LGM issue du module 4 et les données issues de l’ensemble de moyens de perception 5, consistant à déterminer un premier état de certaines cellules de la grille LGM en fonction de la portée de vue FOV de l’ensemble de moyens de perception 5.

Selon la logique illustrée par la figure 9, toute cellule 91 , 92 de la grille LGM qui ne se situe pas totalement dans la portée de vue FOV est considérée comme non observable dans sa totalité et son premier état est indéterminé parce que l’on ne sait pas dire si elle est totalement libre ou au moins partiellement occupée.

Dans un deuxième traitement E22, on s’intéresse à un espace couvert par le champ de vue FOV. L’ensemble de moyens de perception fournit une carte 103 de répartition de cet espace en zones libres, occupées ou indéterminées, les zones indéterminées pouvant être cachées par un obstacle (par exemple un véhicule ou un bâtiment). Le traitement E22 consiste à agréger les cellules de la grille LGM avec la carte 103.

La figure 10 est une première illustration du deuxième traitement d’agrégation, dans lequel la carte de répartition 103 est une représentation par grille d’occupation. Le deuxième traitement E22 est appliqué aux cellules A1 à A6 de la grille LGM.

Tous les points de la cellule A1 se superposent à une zone libre de la carte 103 : la cellule A1 est donc considérée comme libre. Certains points de la cellule A2 se superposent à une zone occupée de la carte 103 alors que les autres points de la cellule A2 sont libres : la cellule A2 est donc considérée comme totalement occupée. Certains points de la cellule A3 se superposent à une zone indéterminée de la carte 103, alors que les autres points de la cellule A3 sont libres : la cellule A3 est donc considérée comme totalement indéterminée. Dans le deuxième traitement d’agrégation E22, on applique ainsi la logique décrite dans le tableau 1 pour combiner l’état d’une première et d’une deuxième zones de la carte de répartition 103, les première et deuxième zones étant incluses dans une même cellule de la grille LGM.

[Table 1 ]

La figure 1 1 est une deuxième illustration du deuxième traitement d’agrégation E22, dans lequel la carte de représentation 103 est une représentation par polygones d’occupation. Le traitement d’agrégation est appliqué aux cellules B1 à B6 de la grille LGM.

Tous les points de la cellule B1 se superposent à une zone libre de la carte 103 : la cellule B1 est donc considérée comme libre. Certains points de la cellule B2 se superposent à une zone indéterminée de la carte 103, alors que les autres points de la cellule B2 sont libres : la cellule B2 est donc considérée comme totalement indéterminée. Le traitement de la cellule B3 est identique au traitement de la cellule B2. La cellule B4 se superpose à des zones respectivement occupée, libre et indéterminée de la carte 103 : la cellule B4 est donc considérée comme complètement occupée. Cette description n’est pas limitative, notamment d’autres modes de réalisation de la carte 103 sont possibles.

Dans un mode de réalisation, l’état d’une cellule de la LGM pourrait être :

- occupé si un premier nombre de points de la cellule se situant dans une ou plusieurs zones occupées de la carte de répartition 103 est supérieur à un premier seuil donné MIN_OCC, sinon

- libre si un deuxième nombre de points de la cellule se situant dans une ou plusieurs zones libres de la carte de répartition 103 est supérieur à un deuxième seuil donné MIN_LIB, sinon

- indéterminé.

De plus, les premier et deuxième seuils donnés MIN_OCC, MIN_LIB pourraient correspondre soit à un nombre minimal de points en valeur absolue, soit un nombre minimal de points en pourcentage d’un nombre total de points contenus dans la cellule.

Par exemple, si le seuil MIN_LIB est fixé à 90% et si le seuil MIN_OCC est fixé à 15%, alors la règle appliquée pourrait être définie ainsi :

- si une cellule comprend au moins 15% de points dans l’état occupé, son état est occupé, sinon

- si elle comprend au moins 90% de points dans l’état libre, alors son état est libre, sinon,

- sinon son état est indéterminé.

Dans un mode de réalisation, on pourrait appliquer une distinction entre les cellules d’une grille LGM dont l’état indéterminé correspond à un état « caché par un obstacle >> et les cellules d’une grille LGM dont l’état indéterminé correspond à un état « situé hors du champ de vue FOV ». La figure 12 illustre une catégorisation de voies d’intérêt de premier et de second ordre selon l’un des trois états libre, occupé et indéterminé. En remarque, les cellules de la grille LGM ne sont pas représentées dans la figure 12 ; seules sont représentées les portions de voies du premier et du second ordre.

Dans la situation de conduite illustrée par la figure 12, le véhicule autonome 100 s’approche de l’entrée d’un rond-point. Il se déplace sur un itinéraire comprenant une entrée sur la voie extérieure d’un rond-point, notamment sur la voie de circulation V0.

Les voies de premier ordre et de second ordre relatives à l’itinéraire du véhicule autonome 100 comprennent :

- une voie de premier ordre V1 1 , correspondant à une portion de la voie extérieure du rond-point située en amont de l’entrée du véhicule autonome 100 sur le rond-point,

- une première voie de second ordre V21 , qui est une voie d’entrée sur le rond-point, adjacente à la voie de circulation V0 et convergeant vers la voie intérieure du rond-point,

- une deuxième voie de second ordre V22 correspondant à une portion de voie intérieure du rond-point, rejoignant la voie V21 en un point 122, et la voie V22 étant située en amont du point 122.

Un deuxième véhicule 121 circule sur la voie de second ordre V21 , parallèlement au véhicule autonome 100. La présence du deuxième véhicule détermine une portion de voie dans l’état occupé V220, la portion de voie occupée délimitant une zone incluant la surface d’occupation au sol du deuxième véhicule 121 .

De plus, dans la configuration représentée par la figure 12, la présence du deuxième véhicule 121 ne permet pas de déterminer la portion de voie de premier ordre V1 1 comme étant libre ou occupée, à partir des données issues des moyens de perception du véhicule autonome 100 ; de même elle ne permet pas de déterminer la portion de voie du second ordre V22 comme étant libre ou occupée. Les portions de voies V21 et V22 sont cachées et sont donc dans l’état indéterminé.

Dans le cas illustré par la figure 12, les autres portions de voies des voies d’intérêt sont libres.

Ainsi, à l’issue de l’étape E2, les cellules des voies d’intérêt du premier et du second ordre sont déterminées comme étant dans un état libre, occupé ou indéterminé.

On enchaine ensuite sur une troisième étape E3 de définition, à partir de données issues de l’ensemble de moyens de perception 5, d’un deuxième état d’occupation pour chaque cellule donnée dont le premier état d’occupation est indéterminé, comprenant une sous-étape E31 d’attribution d’un état neutralisé à la cellule donnée lorsqu’un deuxième véhicule 101 , distinct du véhicule autonome 100 et circulant sur une voie de deuxième ordre, occupe une première cellule située au croisement d’une voie de premier ordre et de la voie de second ordre et en aval de la cellule donnée selon le sens de circulation de la voie de premier ordre.

Autrement dit, dans l’étape E3, on s’intéresse aux cellules dont l’état n’a pas pu être déterminé par le traitement des données issues de l’ensemble de moyens de perception 5. Pour cela, on exploite les données relatives aux voies d’intérêt du premier et du second ordre.

Notamment, dans une première sous-étape E31 , on détermine un état neutralisé pour des cellules d’une voie de premier ordre de la grille LGM auxquelles on a attribué un état indéterminé dans l’étape E2 car elles sont cachées par un deuxième véhicule 121 s’interposant entre elles et le véhicule autonome 100. Dans la suite du document, le terme « neutralisé >> qualifie un état d’une cellule de la grille LGM dont le trafic ne peut pas interférer avec la trajectoire du véhicule autonome 100.

Par exemple, dans la configuration de trafic représentée par la figure 13, la position d’un deuxième véhicule 131 empêche l’intrusion, sur la voie de circulation du véhicule autonome 100, de tout véhicule se trouvant sur une portion V131 de la voie de premier ordre V1 1. En d’autres termes, les cellules de la portion de voie V131 située en amont du véhicule 131 sont dans un état neutralisé du fait de la présence du véhicule 131 se trouvant à la fois sur la voie de premier ordre V11 et sur la voie de deuxième ordre V21.

La sous-étape E31 comprend donc

- une détection d’un deuxième véhicule 131 distinct du véhicule autonome 100 et circulant sur une voie donnée de second ordre, occupant une première cellule située au croisement d’une voie de premier ordre et de la voie donnée de second ordre

- une détermination d’un ensemble de cellules situées en amont de la première cellule et dont le premier état d’occupation est indéterminé,

- une détermination du deuxième état de chaque cellule de l’ensemble de cellules comme étant neutralisé.

En outre, la troisième étape E3 peut comprendre, suite à la sous-étape E31 , une sous-étape E32 d’attribution d’un état sécurisé à une cellule donnée dont l’état est indéterminé, comprenant une détermination d’une zone d’arrêt d’urgence associée à chaque objet dynamique environnant le véhicule autonome 100.

En effet, certaines cellules de la grille LGM dont l’état demeure indéterminé à l’issue de la sous-étape E31 peuvent être se voir attribuer un état sécurisé si elles se situent dans une zone d’arrêt d’urgence d’un véhicule environnant le véhicule autonome 100.

La sous-étape E32 comprend une détermination d’un ensemble ENS_VE de véhicules environnant le véhicule autonome 100. Dans une mode de réalisation, la détermination de l’ensemble ENS_VE de véhicules environnants s’effectue sur le champ de vue FOV. Alternativement, la détermination de l’ensemble ENS_VE pourrait s’effectuer sur une zone comprise dans le champ de vue FOV.

Puis pour chaque véhicule donné Vi de l’ensemble ENS_VE, on détermine un ensemble ENS_Ti de trajectoires possibles Tij du véhicule donné Vi, notamment en fonction de l’infrastructure routière.

Ensuite, pour chaque trajectoire possible Tij, on calcule une distance D_STOPij d’arrêt du véhicule Vi sur la trajectoire Tij. Pour cela, dans un mode de réalisation on utilise les données issues de l’ensemble de moyens de perception 5 et/ou du réseau de communication 7, permettant de déterminer la vitesse instantanée du véhicule Vi. A partir de la position courante du véhicule Vi, pour chaque trajectoire Tij on détermine ainsi un groupe Gij de cellules adjacentes situé sur la trajectoire Tij, à l’avant du véhicule Vi et à une distance du véhicule Vi inférieure à la distance d’arrêt D_STOPij du véhicule Vi.

Avantageusement, la zone d’arrêt d’urgence Z_STOPi associée au véhicule Vi est ensuite déterminée comme étant l’intersection des groupes Gij de cellules adjacentes respectivement associés à chaque trajectoire Tij.

Enfin, l’état sécurisé sera attribué à toute cellule de la grille LGM

- dont l’état est indéterminé à l’issue de la sous-étape E31 , et

- qui est entièrement contenue dans une zone d’arrêt d’urgence Z_STOPi d’un véhicule Vi de l’ensemble ENS_VE de véhicules environnant le véhicule autonome 100.

Autrement dit, une cellule de la grille LGM ne pourra être considérée comme sécurisée par la présence du véhicule Vi que si elle se trouve à l’intersection de toutes les trajectoires possibles du véhicule Vi, et si tout point de la cellule est à une distance du véhicule Vi inférieure à la distance d’arrêt la plus courte des trajectoires permettant au véhicule Vi d’atteindre ce point.

Dans la situation de conduite illustrée par la figure 13, l’ensemble ENS_VE de véhicules environnant comprend deux véhicules V1 et V2. Une seule trajectoire est envisageable pour le véhicule V1. A cette trajectoire est associée une distance d’arrêt D_STOP1 1 , qui permet de définir un groupe de cellules G11 couvrant la distance d’arrêt D_STOP11. Les cellules du groupe G1 1 qui sont dans un premier état indéterminé prendront alors un deuxième état sécurisé.

De même, une seule trajectoire est envisageable pour le véhicule V2. A cette trajectoire est associée une distance d’arrêt D_STOP21 , qui permet de définir un groupe de cellules G21 couvrant la distance d’arrêt D_STOP21. Les cellules du groupe G21 qui sont dans un premier état indéterminé prendront alors un deuxième état sécurisé.

On enchaine ensuite sur une quatrième étape E4 de transmission au module de décision 3 d’un modèle environnemental M_ENV_T comprenant une association d’un état d’occupation à chaque cellule du modèle géométrique LGM, l’état d’occupation d’une cellule étant le deuxième état s’il est défini dans l’étape E3, sinon l’état d’occupation d’une cellule étant le premier état défini dans l’étape E2. Ainsi, dans l’étape E4 on construit le modèle M_ENV_T en associant un état enrichi à chaque cellule de la grille LGM. En effet, comme cela est illustré par les tableaux 2 et 3 ci-après, le traitement effectué dans les étapes E1 à E3 permet d’enrichir l’information issue de l’ensemble de moyens de perception 5.

Le tableau 2 illustre un premier mode de réalisation précédemment décrit, dans lequel un même état indéterminé est attribué aux cellules dont on ne connait pas l’état, soit parce qu’elles sont hors du champ de vue FOV, soit parce qu’elles sont cachées par une obstacle.

[Table 2]

Le tableau 3 illustre un deuxième mode de réalisation, dans lequel on décompose l'état indéterminé en deux sous-états distincts :

- un état « non observable >> attribué à une cellule située hors du champ de vue FOV,

- un état caché, dans lequel une cellule au moins partiellement cachée par un obstacle situé entre le véhicule autonome 100 et la cellule.

[Table 3]

Après détermination de l’état enrichi de chaque cellule selon l’un des modes de réalisation décrit, la grille LGM est transmise au module de décision 3.

Le procédé selon l’invention se différencie de l’art antérieur, et notamment du document US2018/0322777A1 , dans lequel une grille d’occupation n’est définie que sur un espace d’intérêt simple correspondant à l’espace devant le véhicule autonome et la topologie de la route n’est pas prise en compte pour la construction de cette grille. En effet, en premier lieu, le procédé de modélisation selon l’invention prend en compte la forme géométrique des voies de navigation. De plus, la grille LGM comprend non seulement la voie de navigation sur laquelle le véhicule autonome évolue, mais également les voies susceptibles d’interagir avec la voie du véhicule autonome. Ainsi, contrairement à l’art antérieur, le procédé selon l’invention ne se limite pas à une modélisation de la voie située face au véhicule autonome.

Le procédé de modélisation selon l’invention présente ainsi plusieurs avantages. Tout d’abord il fournit une représentation compacte de l’environnement avec lequel le véhicule interagit, car seules les voies d’intérêt sont modélisées. Il s’agit d’une représentation dépendante du contexte, car elle est focalisée sur les zones conditionnant une prise de décision tactique.

En outre, en interprétant le trafic environnant le véhicule autonome 100, la modélisation selon l’invention enrichit les données de perception, notamment sur des cellules non observables par les moyens de perception. Ce traitement d’interprétation permet d’enrichir les états des cellules de deux nouveaux états, un état neutralisé et un état sécurisé, afin de permettre l’exploitation de ces états par le module de décision.

De plus, la modélisation prend en compte les incertitudes de localisation et de perception tout en garantissant l’intégrité des informations fournies au module de prise de décision, notamment en adaptant le pas de discrétisation de la grille LGM en fonction de l’indice de confiance des données de perception.

Par ailleurs le procédé de modélisation selon l’invention est capable de prendre en compte différents types de représentations des données de perception.

Enfin, par sa nature géométrique, la modélisation selon l’invention simplifie le traitement ultérieurement effectué dans le module de décision, notamment en facilitant le calcul de métriques de risque comme par exemple le délai avant collision.