SQLite3 est populaire pour les systèmes embarqués vu qu’il est très léger (moins de 300
ko). D’où l’intérêt d’utiliser SQLite3 pour les systèmes d’aide à la conduite qui nécessitent
des contraintes strictes en termes de ressources limitées, telle que la taille.
3.4.2 Simulateur PreScan
PreScan est un outil intégré dans Matlab/Simulink, qui offre une architecture flexible
pour la conception d’un environnement de développement des systèmes d’aide à la conduite
et des systèmes de véhicules intelligents (Intelligent Vehicle : IV), qui sont basés sur les
technologies de capteurs tels que les radars, les lasers, les caméras, les ultrasons et les GPS
[Labibes et al., 2003]. Il permet également de développer et d’évaluer les applications de
communication véhicule-à-véhicule (Vehicle to Vehicle : V2V) et véhicule-à-infrastructure
(Vehicle to Infrastructure : V2I). Il permet aussi aux constructeurs de tester la conception
des systèmes intégrés dans des véhicules dans différentes conditions de conduite.
PreScan est composé des sous-systèmes suivants : régulateur de vitesse adaptatif à contrôle
de distance (Adaptive Cruise Control : ACC), système avancé de freinage d’urgence
(Advan-ced Emergency braking System : AEBS), système d’alerte de franchissement involontaire de
ligne (Lane Departure Warning : LDW) et système de protection des piétons (Pedestrian
Pro-tection System : PPS). Ces systèmes utilisent des capteurs embarqués dans un véhicule, qui
acquièrent des informations relatives au véhicule et à son environnement. Ces informations
sont ensuite utilisées pour le traitement et la prise de décision. Ces systèmes avertissent le
conducteur, soit par le déclenchement des alertes visuelles, soit par l’exécution de commandes.
Comme illustré par la figure 3.3, PreScan permet de développer des systèmes d’aide à la
conduite et de les valider en suivant quatre étapes :
1. Construire un scénario : l’interface graphique (GUI) de PreScan permet aux
utilisa-teurs de créer et modifier des scénarios de trafic routier en utilisant une base de données
des tronçons routiers, des composants d’infrastructure (les panneaux de signalisation,
etc.) et les acteurs (piétons, voitures, etc.).
2. Modéliser le système de capteurs : un véhicule est équipé de différents types de capteurs
(radars, caméras, lasers, etc.).
3. Modéliser le système de contrôle : il s’agit de concevoir et de vérifier les algorithmes
de traitement des données, de fusion des données de capteurs et de prise de décision
en se basant sur Matlab/Simulink.
4. Exécuter l’expérience : il s’agit de visualiser en 3D l’expérience pour permettre aux
utilisateurs de vérifier les résultats.
Figure3.3 : Étapes de développement des systèmes d’aide à la conduite dans PreScan
[Leneman et al., 2008].
3.4.3 Résultats et discussion
Dans ce paragraphe, nous nous sommes focalisés sur l’intégration d’un système de BDTR
au sein de l’architecture des deux systèmes ACC et LDW de PreScan. L’intégration de ce
système a fait l’objet du développement d’un modèle sous forme de schéma-bloc à l’aide
du logiciel Matlab/Simulink, comme illustré par la figure 3.4. Le bloc RTDBS (Real Time
DataBase System) intègre toutes les fonctionnalités de gestion de bases de données tout en
respectant les contraintes temporelles et la qualité de données (QdD) (e.g., insertion des
données dans une base de données tout en respectant l’intervalle de validité et la QdD). Dans
la partie qui suit, nous présentons les résultats de la validation.
3.4.3.1 Choix du seuil d’imprécision
La conception du système de BDTR est basée sur le modèle de données défini dans
[Idoudi et al., 2008a] et sur la gestion des transactions qui prend en compte la QdD. En effet,
ce système vise à stocker les données de ACC et celles de LDW dans la même BDTR tout
en respectant l’intervalle de validité de chaque donnée et le critère d’imprécision [Amirijoo
et al., 2006] vu que certains systèmes TR tolèrent un certain degré d’imprécision [Amirijoo
et al., 2006]. Ces données ne sont mises à jour que si l’erreur sur la donnée (i.e.,la différence
entre la valeur de la donnée mise à jour et celle stockée dans la base) est supérieure à un seuil
d’imprécision que nous déterminons par des simulations selon les conditions de conduite et
les capteurs utilisés. Par exemple, si on considère la valeur de la vitesse du véhicule équipé
du système, nous constatons que cette donnée possède des valeurs très proches pendant
une période. Il est donc inutile de mettre à jour la valeur à chaque instant. Dans ce sens,
nous avons choisi pour chaque donnée la plus petite valeur de seuil d’imprécision de façon
à minimiser le nombre de transactions de mise à jour et obtenir des résultats similaires aux
résultats réels (i.e., résultats obtenus par la simulation sans utiliser un système de BDTR).
Pour déterminer les valeurs de seuil appropriées pour chaque donnée, nous avons effectué des
simulations pour les deux sous-systèmes ACC et LDW avec différentes valeurs. Le tableau
3.2 illustre, d’une part, les résultats des simulations dans ACC sans l’utilisation de BDTR
et, d’autre part, les résultats des simulations avec différentes valeurs de seuil d’imprécision
pour quelques données de la base. De même, le tableau présente, d’une part, les résultats
des simulations dans LDW sans l’utilisation de BDTR et, d’autre part, les résultats des
simulations avec différentes valeurs de seuil d’imprécision pour quelques données de la base.
Le tableau 3.2 montre que les simulations avec les valeurs de seuil 1m/s pour la vitesse du
véhicule, 1m/s pour la vitesse du véhicule précédent et 0.01s pour le temps inter-véhiculaires
conduisent à des résultats (consistants en des actions freinage) similaires aux résultats réels
obtenus par une simulation sans BDTR. De même, le tableau 3.3 montre que les simulations
avec les valeurs de seuil égales à 0.03 m pour chaque donnée conduisent à des résultats (i.e.,
alerte) similaires aux résultats réels obtenus par une simulation sans BDTR. Cependant, les
deux tableaux montrent que les simulations avec d’autres valeurs de seuil engendrent des
résultats qui différent des résultats réels, ce qui peut conduire à dégrader les performances
du système. Pour ces raisons, nous fixons les valeurs du seuil de l’imprécision comme suit :
(a) 1m/s pour la vitesse du véhicule courant, (b) 1m/s pour la vitesse du véhicule précédent,
(c) 0.01s pour le temps inter-véhiculaires, (d) 0.03 m pour la distance du véhicule à la ligne
gauche de la voie et (e) 0.03 m pour la distance du véhicule à la ligne droite de la voie.
Tableau 3.2 : Exemple de valeurs de données résultant des différentes simulations dans
Dans le document
Contribution à la modélisation des applications temps réel d'aide à la conduite
(Page 94-98)