Radar doppler à ondes continues modulé triangulaire (FMCW Tri- Tri-angular)
3.3 Le balayage monopule
Pour un balayage monopulse de phase, utilisé dans ce modèle, l’antenne est définie comme deux demi-antennes (figureIV.32) distantes de d.
Les signaux reçus sur chacune des demi-antennes sont ensuite sommés (Σ =S(a)+S(b)) et soustraits (∆=i(S(a)+S(b))). •+ • -• • •+ • -• • Sortie∆ SortieΣ d (a) (b) θ
Figure IV.32 – Principe de l’antenne à balayage monopulse
Il est alors possible de déterminer le signal d’erreur
e0= 2.θ
d . ∆
Σ (IV.31)
renseignant sur la direction de la cible par rapport à l’antenne, plutôt à droite ou à gauche de l’antenne. Ce type de mécanisme est également utilisé dans d’autre radar notamment pour orienter la position d’une antenne sur un objet d’intérêt.
4 Le suivi de cibles
Le modèle de radar défini jusque maintenant fait intervenir l’ensemble des composants du modèle matériel pour la génération et la réception de signaux ainsi que le canal de propagation pour le parcours de l’environnement et le moduleCOMPpermettant d’extraire, en fonction des critères définis (seuils), les cibles potentielles vues par le radar.
De nombreux artefacts sont cependant susceptibles de venir parasiter ces informations, générant ainsi, pour certains instant de fausses alarmes.
Pour éviter ces artefacts, il est nécessaire de renforcer l’information fournie par les capteurs. Cette opération est réalisée en effectuant un suivi des cibles identifiées par le capteur.
A chaque instant k, le radar fourni des informations brutes (figureIV.33, à gauche), sous la forme de nuage de points. Une première étape consiste à identifier, à partir de ces données brutes (nuage de points), les cibles potentielles détectées par le radar. Les cibles Ci|k (cible i à l’instant k) sont alors caractérisées par
Ci|k=n(xi|k, yi|k),(x˙
•••• • ••••• • •• ••••••• • • •• •• •••• Sortie capteur • •• • • • •• • • • ••••••••• • • •••••• •• Détection D|k Association Ci|k →? Dij|k \ Tj|k|k−1 Décision [ Tj|k|k = Ke( \Tj|k|k−1, Ci|k) Estimation \ Tj|k+1|k= Kp( [Tj|k|k) Prédiction • • • Pistes Kalman Suivi Multi-Cibles
Figure IV.33 – Principe de suivi de cible
avec
(xi|k, yi|k), le barycentre des impacts associées à la cible à l’instant k,(xi˙|
k, ˙yi|k), la moyenne du vecteur vitesse associée à la cible, et cov(x, y)|k, la matrice de variance-covariance de la cible définie par
cov(x, y)|k= σx2 σxy σxy σy2 (IV.33) avec
σx2, la variance sur x, σy2, la variance sur y et σxy, la covariance des variables x et y définie par un estimateur sur les impacts
σxy≈ ˆσxy= ∑N i=1xi·yi N − ∑N i=1xi N · ∑N i=1yi N (IV.34)
, N étant le nombre d’impact associés à la cible et(xi, yi)les coordonnées associées à la cible i.
Plusieurs critères concernant la taille maximum d’une cible potentielle (distance maximum entre deux impacts issues d’une même cible), et les écarts de vitesse relatif entre différents impacts relatifs à une même cible, permet de définir les clutters de points correspondant aux cibles, ainsi que leurs caractéristiques.
Une étape d’association, permet ensuite, en fonction de la distance des cibles et des pistes précédem-ment identifiées, de définir la matrice des distances utilisée pour l’étape de décision suivante.
D|k= d(C1|k, T1|k|k−1) . . . d(C1|k, Tj|k|k−1) . . . d(C1|k, Tm|k|k−1) .. . . .. ... . .. ... d(Ci|k, T1|k|k−1) d(Ci|k, Tj|k|k−1) d(Ci|k, Tm|k|k−1) .. . . .. ... . .. ... d(Cn|k, T1|k|k−1) . . . d(Cn|k, Tj|k|k−1) . . . d(Cn|k, Tm|k|k−1) (IV.35)
avec d(Ci|k, Tj|k|k−1) la distance entre la cible i identifiée à l’instant k et la piste Tj|k|k−1 existant à l’instant k et définie à l’instant k−1.
Plusieurs définitions de la distance peuvent être choisies pour caractériser la distance entre une cible et une piste.
L’étape de décision suivante, en fonction des critères définis (distance au delà de laquelle une cible n’est plus associée à une piste, . . . ), permet de déterminer si une cible identifiée à un instant k correspond à une piste précédemment définie à l’état k−1 ou s’il s’agit d’une nouvelle piste. Elle permet aussi de déterminer si à une piste précédemment existante, il correspond toujours une cible détectée. Cela permet de caractériser chaque piste par un indicateur de certitude (entre 0 et 1) caractérisant le niveau de confiance associée à l’existence de la piste.
Tj|k=n(xj|k, yj|k),(xj˙|k, ˙yj|k), cov(x, y), belie fjo
(IV.36)
Une fois les décisions prises et les conflits résolus, les pistes sont mises à jour avec les informations issues des nouvelles observations rattachées à celles-ci[95]. Pour chaque cible, cette étape de mise à jour (estimation) est réalisée avec un filtre de Kalman[96] [97], notamment la phase de mise à jour (Ke sur la figureIV.33). La phase de prédiction du filtre (Kp sur la figureIV.33) quant à elle est utilisée pour l’étape de prédiction suivante qui permet en fonction de la dynamique associée aux cibles d’estimer leurs prochaines positions pour l’itération suivante. C’est cette valeur prédite qui est utilisée à l’itération suivante pour le calcul de distance.
Le suivi est également l’occasion de définir plus avant les caractéristiques de la cible identifiée (taille, et éventuellement type (piéton, deux-roues, voiture, . . . )[98] [99].
* * *
L’ensemble des modèles définis dans ce manuscrit peuvent être utilisés dans le cadre d’une simula-tion relative aux prototypages de systèmes d’aides à la conduite. Cependant, tous ne présentent pas la même réalité au regard des technologies existantes aujourd’hui. Dans la pratique, seules les mo-dulations continues sont applicables pour le domaine étudiée. Ce sont en effet les seules technologies réalisables en l’état actuelles des connaissances. Les limitations liées à la réalisation concrète de ces cap-teurs empêchant pour l’heure la mise en oeuvre de capcap-teurs de type Pulse pour le domaine automobile, où les distances à observer sont inférieures à la centaine de mètres.
V. communications
L
e deuxième capteurétudié dans le cadre de ces travaux sur les capteurs électromagnétiques sus-ceptibles d’équiper les véhicules concerne les moyens de télécommunications[100]. Grâce à eux, les systèmes d’aide à la conduite sont alors en musre d’échanger de l’information entre les veu-hicules mais également avec l’infrastructure.Avec l’avènement du WiFiet des normes mobiles associées (802.11p[101]), l’intégration de dispositifs communicants dans les véhicules ouvrent une nouvelle voie d’étude concernant les systèmes d’aides à la conduite et notamment les systèmes collaboratifs.
Jusqu’à présent les applications embarquées dans les véhicules terrestres individuels fonctionnent de façon autonome les unes par rapport aux autres. Les véhicules n’échangent pas d’information entre eux, au plus se contentent-ils de récupérer des informations sur un système distant par l’intermédiaire d’une communication téléphonique type3G.
Depuis 2007, plusieurs projets européens (CVIS,SAFESPOT) tentent de mettre en place des standards d’échanges pour les futurs véhicules intelligents.
Ces nouveaux réseaux seront déployés avec le protocole IPv6 qui dispose d’une gestion de la mo-bilité des noeuds. Une implémentation open source du protocoleIPv6mobility, baptisé GEOgraphic NETworking (GeoNet)[102], a été développé par l’Institut National de Recherche en Informatique et en Automatique (INRIA)et est disponible au téléchargement.
Pour une plateforme de prototypage de système d’aide à la conduite disposer d’un modèle de capteur de télécommunication s’avère donc indispensable. Ces capteurs sont essentiels pour envisagées des applications coopératives et mettre en place des stratégies de perceptions étendues.
Cependant, contrairement au radar, les signaux générés par ces capteurs sont loin d’être aussi triviaux que ceux décrits dans le chapitre précédent.
L’information véhiculée n’est pas de la même nature également. Ce ne sont plus des informations ex-traites des propriétés physiques du phénomène de propagation électromagnétique qui sont exploitées ici mais la possibilité de communiquer toutes sortes d’informations sans support matériel à travers de grandes distances, suivant différentes stratégies et sans détérioration.
La problématique relative à la partie technique du modèle est donc de tout autre nature et une mo-délisation complète de ces aspects necessiterait de se plonger dans les méandres de tous les concepts relatifs aux stratégies de modulations des signaux de télécommunication, principalement sur la bande de fréquence 2.4 GHz avec la gestion des canaux pour permettre la mise en place de plusieurs réseaux dans une même zone géographique et la gestion des redondances pour fiabiliser l’information d’une part, et sur la définition des couches logicielles, relative aux protocoles de communications (Media Access Control (MAC),IP,802.11, etc, . . . )[103], d’autre part.
Aussi, envisager le modèle du capteur de télécommunication de la même manière que le capteur radar s’avèrent pour l’heure inenvisageable. La modélisation de l’ensemble des protocoles représente une charge de travail considérable. De plus, les signaux radars, bien que travaillant à des fréquences très élevées étant donné le domaine d’étude concerné, n’ont pas besoin d’être échantillonnés aux fréquences de fonctionnement du capteur pour fournir l’information désirée. Les méthodes de dechirp et les domaines d’études associées aux caractéristiques des obstacles permettent d’envisager, en fonction de la technologie utilisée, des fréquences d’échantillonage de l’ordre de 20 MHz sur de courtes durées, les durées d’observations, généralement très inférieures à 40 ms.
Concernant un capteur de télécommunications, le modèle associé se doit de restituer le message émis au travers du modèle comme cela serait le cas en utilisant un capteur réel.
Les signaux générés dans ce cadre sont donc non seulement bien plus nombreux, une partie de ces échanges étant liés aux protocoles de communications eux-mêmes, mais il sont également, en terme de signal, bien plus complexe; et un tel modèle nécessiterait une fréquence d’échantillonage de l’ordre de la fréquence de travail, à savoir 2×2.4 GHz, pour des durées très variables et dépendantes de la taille du message à envoyer.
Cependant, cette famille de capteur utilise, tout comme le radar, le même phénomène physique lié aux ondes électromagnétiques, pour fonctionner.
Et tout comme le radar, un modèle complet de cette famille de capteur met en oeuvre plusieurs modèles reliés aux différents aspects du problème, concernant d’une part les phénomènes physiques associés à la propagation et d’autres part, les techniques ou technologies associées à la fonction du capteur. La modélisation des échanges réseaux est un problème très étudiée dont les nombreux travaux ont mené à plusieurs plateformes de simulation extrèmement complètes et pour certaines open source. C’est le cas du simulateurNS3.
Cette plateforme propose de nombreux modèles de média de communications de la simple carte éther-net (avec connecteurRJ45) à des modèles de télécommunication comme leWiFi(802.11p) ou la3G. Elle propose également un modèle complet de l’ensemble des protocoles composant la pileIP, ainsi que de certains standards de communications comme leHyperText Transfer Protocol (HTTP), ou leFile Trans-fert Protocol (FTP). C’est actuellement l’une des plateformes les plus abouties en terme de modélisation de réseau de communication et télécommunication.
Celle-ci est cependant très orientée sur les problématiques de communication, typiquement liées à des problématiques de dimensionnement des infrastructures ou de prototypage de systèmes communi-cants complexes.
Et si les modèles relatifs aux aspects communications sont très complets, le constat est sensiblement différent en ce qui concerne les aspects physiques de cette problématique.
Différents modèles de propagations des ondes sont implantés dans le simulateur NS3, il s’agit princi-palement de modèles statistiques ou très théoriques, travaillant davantage sur des graphs de scènes que sur des situations géographiques réelles, comme cela est nécessaire pour le prototypage de systèmes d’aide à la conduite.
Le modèle présenté ici se propose donc de tirer avantage de cette plateforme pour les aspects propres aux télécommunications et, concernant les phénomènes physiques liés notamment à la propagation, d’utiliser les modèles développés dans le cadre de ces travaux et déjà appliqués aux capteurs radars.
1 La modélisation des protocoles: le
simu-lateur NS3
Tout comme il est nécessaire de définir les différents acteurs évoluant dans une scène routière pour la mise en oeuvre de scenarios dans la plateforme de simulation de capteur SiVIC, il est, pour cette plateforme de simulation de communications, également nécessaire de définir les différentes entités communicantes composants un scenario dans NS3.
Un scenarioNS3permet de prendre en compte l’intégralité des aspects relatifs aux communications, des couches physiques (filaire,3G, . . . - bas niveau) aux couches protocolaires (MAC,IP,TCP/UDP/. . . -haut niveau), de manière intégralement paramétrable.
Channel PropagationDelayModel PropagationLossModel Node Application Protocol NetDevice MobilityModel Node Node
Figure V.1 – Modélisation du monde dans NS3
Comme pour tout scenario communicantNS3, un Channel est défini, c’est le composant en charge d’effectuer les traitements relatifs aux phénomène de propagation au sein d’un réseau filaire ou dans le cas présent, relatifs aux phénomènes de propagation électromagnétique. Comme déjà énoncé, les modèles disponibles dansNS3ne permettent pas de rendre compte de la situation observée notamment dans la plateforme SiVIC. Plusieurs Channel peuvent être définis simultanément en fonction des liens utilisés pour les communications (CsmaChannel pour une communication Ethernet, WifiChannel dans le cas d’une communication sans fil type802.11p). Celui-ci est composé d’un ensemble de modèle (dont deux entourés de rouge sur fond bleu sur la figureV.1) prenant en charge les différents aspects relatifs à la propagation, notamment le temps de propagation et les atténuations subies par le signal.
Sur ce Channel sont ensuite installés des Nodes.
Un Node est une entité complexe composée d’un ensemble d’objets représentant les différents concepts rencontrés dans la définition d’un objet communicant. Une représentation grossière d’un Node est un poste de travail, ou l’informatique embarquée dans un véhicule, il se compose d’au moins un
NetDevice.
Un NetDevice est un composant communicant (CsmaNetDevice pour une carte réseau type ethernet,
WifiNetDevicepour une carte WiFi) dont le modèle est composé de la partie matérielle et de la partie logicielle (drivers).
Comme sur un poste de travail, une ou plusieurs Applications s’exécutent. Une Application (comme
UdpEchoServerApplicationet UdpEchoClientApplication) utilise desSockets pour établir des com-munications. CesSockets communiquent suivant des Protocol qui définissent la façon dont les Nodes dialoguent ensemble. Pour les entités mobiles, comme une voiture, un MobilityModel permet au si-mulateur de récupérer la position des noeuds à chaque instant de la simulation, afin de maintenir sa définition de la scène à jour.
Tous ces composants sont nécessaires à la définition, dans le simulateur de communications NS3, d’un scenario relatif aux échanges rencontrés dans le cadre d’une simulation orientée prototypage de système d’aide à la conduite.
De nombreux objets appelés Helpers permettent de simplifier la mise en place de tels scenarii, en fournissant des objets pré-configurés pour les usages les plus courants. Pour la mise en oeuvre de ce modèle, des Helpers relatif à la modélisation des communications WiFi ont été utilisés, ils sont regroupés au sein d’une collection nommée "Yet Another Network Simulator" Yans.
Cette vision du monde est le pendant communicant d’une scène de réalité virtuelle appliquée à la simulation des télécommunications.
Il est maintenant nécessaire de relier ces différents concepts aux concepts manipulés dans le cadre de la simulation de capteur et d’environnement routier.
2 Interfaçage des plateformes de
simula-tions
SiVIC NS3
Interface Propagation Channel NS 0 CS0 NS1 CS1 NS 2 CS2 NS 3 CS3 NS4 CS4 NS 5 CS5 Channel NN0 MN0 NN1 MN1 NN2 MN2 NN3 MN3 NN4 MN4 NN5 MN5 φ G G φ V P TFigure V.2 – Echange d’information entre SiVIC et NS3
La figureV.2présente les deux scenarios ou représentations du monde dans SiVIC et dans NS3, ainsi que les échanges de données entre les entités des deux simulateurs avec à gauche, en vert, la plate-forme de simulation de capteur et à droite, en bleu, le simulateur de communicationNS3. Du côté de la plateformeSiVIC, les informations nécessaires àNS3proviennent du canal de propagation utilisé (Pro-pagation Channel) et des modèles de capteurs instanciés dans l’environnement virtuel (CSi), eux-même installés sur des noeuds de la scène virtuelle (NSi), des mobiles (véhicules, . . . ), ou l’environnement (bâtiment, poteau électrique, . . . ).
L’accès aux informations de l’environnement virtuelSiVIC est réalisé par l’intermédiaire d’un objet unique, Interface défini sous la forme d’unSingleton. Celui-ci utilise le BUS de partage défini dans la précédente partie pour accéder aux informations de l’environnement virtuel.
Ce mode de fonctionnement permet de pouvoir distinguer physiquement les deux environnements et de s’affranchir des contraintes liées aux différences de systèmes d’exploitations existants entre les deux plateformes. Le simulateur NS3[104] a été développé pour fonctionner dans un environnementUnix, tandis que la plateformeSiVICfonctionne actuellement dans des environnementsWindowsTM. Deux approches ont été mises en oeuvre dans le cadre de ces travaux pour la définition d’une plateforme combinant ces deux entités. La première consiste à utiliser le portage du Shell Unix sousWindowsTM (CygWin) pour permettre l’exécution du simulateur NS3 dans un environnement WindowsTM. La deuxième solution a consisté à utiliser une machine virtuelleDebian par l’intermédiaire de Virtual-Box, connectée au réseau de la machine hôte pour installer et utiliser le simulateur.
Un ensemble de méthodes définis pour cet objet (’Interface’ sur la figure V.2) permet d’accéder aux différentes informations partagées entre les deux plateformes. Les méthodes (P) et (V) permettent d’obtenir les informations de positionnement et de vitesse associées aux noeuds de la scène SiVIC, les véhicules ou l’infrastructure, pour maintenir à jour les Node définis dans NS3.
Dans le cadre de l’utilisation d’un protocole du type IPv6 mobility, la position géographique d’un noeud conditionne sa place au sein du sous-réseau (adresse IP, sous-réseau, . . . ) associée à la sec-tion de route étudiée. Un ensemble d’unité de bord de voie, embarquant chacune un point d’accès 802.11p, permet aux véhicules de maintenir leurs connexions au sein du réseau durant leur déplace-ment. Chaque entité est identifiée par deux adresses. Une première qui lui est propre et permanente, et une seconde, temporaire permettant de localiser le véhicule au sein du réseau. Au fur et à mesure de ces déplacements, le véhicule se connecte successivement aux différentes bornes présentes sur la route. Chaque borne attribuera au véhicule, quand celui-ci sera à proximité, une adresse temporaire permettant de communiquer aux véhicules des informations pertinentes au regard de sa localité. D’autres protocoles permettent également d’adresser des messages géo-localisés, non plus par rap-port à un sous-réseau dans lequel se situerait un objet, mais directement à partir d’une zone définie géographiquement.
Pour mettre en oeuvre ce type de protocoles au sein de la plateforme de simulation de capteur, il est donc nécessaire pour le simulateurNS3de connaitre les positions spatiales des entités à chaque instant. Celui-ci, en fonction du scenario et des capacités de communications actives ne peut pas se permettre de considérer le réseau comme un graphe statique dont les distances entre les noeuds varient aux cours du temps, conditionnant simplement les paramètres de gain et de latence associés aux parcours des ondes dans l’environnement.
Les méthodes (G) et (φ) de l’Interface permettent quant à elles, de récupérer les sorties du canal de propagation de la plateforme SiVIC, notamment les valeurs associées aux gains des trajets et aux délais relatifs à la distance parcourue.
Contrairement aux modèles issus de NS3, les modèles développées dans le cadre de ces travaux per-mettent de tenir compte de nombreux aspects essentiels à la bonne compréhension des phénomènes physiques liés à la propagation des ondes dans le domaine automobile. Parmi ces aspects essentiels se trouve notamment le positionnement de l’antenne sur le véhicule, qui peut grandement influencer sur la qualité de réception de l’antenne, et la nature de l’antenne elle-même, prise en compte ici notamment par l’utilisation d’un diagramme d’antenne.
Lors de la mise en oeuvre de capteurs de télécommunications sur des véhicules prototypes réels pour des expérimentations, ces aspects sont apparus comme réellement important et à l’origine de certaines déconvenues lors des premiers essais menés au laboratoire. Il s’agit d’aspects essentiels pour la mise en oeuvre de systèmes d’aides à la conduite, et notamment l’équipement des véhicules, hors ils ne sont pas pris en compte par les modèles définis dans NS3.
Enfin la méthode (T) permet de maintenir les deux plateformes sur une même base de temps.
Parmi les aspects du phénomène de propagation à prendre en compte, deux sont significatif au regard de la définition de NS3, à savoir la latence et le gain. Il est admis que pour les vitesses de fonc-tionnement des véhicules, l’effet doppler associé à la propagation des ondes dans l’environnement entre des entités mobiles n’est pas suffisant pour perturber les échanges. Cette assertion est loin d’être systématiquement valable pour toutes les technologies définies dans NS3. Et l’apparition tardive des technologies de communications sans fils pour le domaine automobile tends à infirmer cette