Processus d'appariement des schémas de conduite

Pour implémenter informatiquement le processus d'appariement d'un graphe (correspondant à un schéma de conduite présent dans la base de connaissances) avec l'environnement routier, ce qui n'a pas encore été réalisé à ce jour, il doit être possible d'utiliser les cartes auto-adaptatives et l'algorithme de Kohonen (réseau de neurones articiels basé sur un apprentissage non supervisé). En eet,  la carte auto-adaptative est particulièrement ecace dans diverses tâches de recon-naissance de formes impliquant des signaux très bruités 17. Avec des cartes auto-adaptatives, il serait ainsi possible de comparer les modications à réaliser pour qu'une carte puisse appa-rier les points remarquables extraits de l'environnement avec les points remarquables contenus dans diérents schémas génériques, le schéma conservé au nal étant celui nécessitant le moins d'adaptation de la carte.

D'une façon plus détaillée, ce processus d'appariement (présenté en gure31) devrait intégrer, selon nous, trois étapes principales. Tout d'abord, la carte auto-adaptative devra s'adapter à la géométrie des points remarquables extraits de l'environnement. Une fois cette première phase eectuée et enregistrée, il conviendra de présenter à la carte auto-adaptative les diérents schémas tactiques génériques  candidats , pour que la carte s'adapte à leur géométrie respective. Il s'agira ensuite de mesurer la quantité d'adaptations nécessaires pour procéder à l'appariement avec chacun des schémas génériques présentés. Le schéma demandant le moins d'adaptation (donc le plus proche de la situation réelle) pourra alors être sélectionné en tant que schéma tactique à activer et à utiliser dans cet environnement.

Une fois ce schéma tactique générique sélectionné, il sera alors nécessaire de l'instancier plus précisément à la géométrie réelle de l'environnement routier. A ce niveau, on pourrait utiliser les résultats de la carte auto-adaptative pour modier la position relative de certains points remar-quables du schéma générique ainsi que la longueur des arcs le composant, ceci an de permettre une bonne corrélation entre les points remarquables extraits par les algorithmes de perception de l'environnement et les points remarquables contenus dans le graphe générique modié. Ceci réalisé, les autres points du graphe étant relatifs à ceux modiés, ils s'en retrouveront eux aussi déplacés, et le schéma générique sera alors complètement instancié à l'environnement réel.

Pour optimiser ce processus d'appariement, il serait possible de diminuer le temps de calcul en procédant à un  écrémage  du nombre de schémas tactiques à comparer. En eet, si le module stratégique connaît en temps réel la position du véhicule sur le plan stratégique (cf.4.2), il est possible d'ajouter aux sommets du graphe stratégique des caractéristiques permettant d'éliminer des solutions dans les diérents graphes tactiques génériques existant dans la base de connaissances. Grâce à cela, il devient possible de pré-sélectionner une partie des schémas tactiques potentiellement éligibles pour un nouvel environnement, ce qui diminuera le temps de calcul induit par l'utilisation de cartes auto-adaptatives.

17 the Self-Organizing Map has been particularly successful in various pattern recognition task involving very noisy signals.  [Kohonen, 1990],p.1

Pour visualiser concrètement ce que produirait une telle procédure d'appariement implémen-tée informatiquement selon ces principes, nous allons considérer l'exemple du schéma tactique de  Tourne-à-gauche  de COSMODRIVEque nous avons initialement discuté en section 2.5.4.2 (gure 15), et qui est réprésenté en gure 32 sous la forme d'un graphe. Chaque point présent dans le schéma est positionné dans le référentiel du centre du carrefour. Pour ne pas surcharger cette gure, seuls sont représentés ici les arcs relatifs au but tactique  tourner à gauche . Par conséquent, le seul sous-schéma connexe extractible dans la base est le  schéma de tourne à gauche  (mais une gure complète posséderait tous les  ID _perc  et  ID _dep  relatifs aux trajectoires permettant d'aller tout droit ou de tourner à droite, et cela pour chaque entrée du carrefour).

Figure 32  Schéma tactique de tourne-à-gauche, structuré en graphe

En partant du schéma tactique de la gure 32, nous avons manuellement placé les zones de déplacement et les zones d'exploration perceptive de ce schéma générique sur une photo aérienne d'un croisement urbain particulier. Ce premier résultat est représenté en gure 33.

Pour pouvoir comparer ce schéma générique avec l'environnement réel, nous avons alors su-perposé le graphe correspondant à ce schéma générique avec la photo aérienne de ce carrefour. La gure34présente la résultat de cette comparaison. Nous pouvons d'emblée remarquer que les bords de voies et les zones d'exploration perceptive ne sont pas correctement appariés avec l'infra-structure réelle, et que les trajectoires de conduite du schéma générique ne suivent pas les centres de voies. Ces diérences proviennent du fait que la géométrie réelle de ce carrefour n'est pas à angle droit, comme cela est postulé par défaut dans le schéma générique (car c'est la géométrie la plus typique des carrefours urbains). Il est donc nécessaire de mettre en ÷uvre des processus de modication et d'adaptation du schéma générique an de le faire mieux correspondre avec l'infrastructure routière.

Figure 34  Comparaison entre le schéma générique et l'environnement exemple

Une fois l'extraction des points remarquables de l'environnement réalisée par des algorithmes de perception (comme illustré en gure 30 p.101.), il conviendrait alors de faire  apprendre  cet environnement à une carte auto-adaptative, an qu'elle puisse le comparer avec le schéma

générique présenté en Figure32. Cette partie du processus d'appariement, bien que non testée à ce jour, devrait produire de bons résultats. En eet, une carte auto-adaptative permet la recon-naissance de formes à partir d'un signal bruité. Ainsi, le manque de certains points remarquables ou les dispositions variables des points entre le schéma et la réalité devraient pouvoir être ab-sorbés par les capacités auto-adaptatives de la carte. En revanche, si l'environnement n'est pas caractérisé par un nombre susant de points remarquables (erreurs des algorithmes de percep-tion, manque d'informations visibles comme les lignes au sol, etc.) cela pourra mettre à mal ce processus d'appariement. Pour garantir le bon fonctionnement de ce processus, il conviendrait aussi de dénir des seuils d'acceptation minimaux des appariements, an d'éviter l'activation de schémas absurdes face à un environnement atypique.

Pour les besoins de l'exemple, nous considérerons ici que le  bon  schéma générique a été sélectionné (modulo, par exemple, un écrémage par le module stratégique qui informerait le processus de sélection du schéma que le croisement est à quatre entrées non perpendiculaires). Une fois ce schéma sélectionné, il convient alors de faire correspondre les points de bords de voies, de centre du carrefour, et de bords de routes avec les points remarquables du schéma an de pouvoir superposer ce schéma avec l'environnement réel (gure 35).

Cet exemple d'instanciation, réalisé ici manuellement mais en se basant sur des méthodes informatiques que nous avons clairement identiées, nous permet de voir comment un schéma tactique de COSMODRIVE (cf. gure 15) pourra être progressivement instancié au réel. Il est clair que l'implémentation complète de ce processus pour permettre la sélection et l'apparie-ment automatique d'un schéma générique demandera encore beaucoup de travail, mais l'analyse conceptuelle et algorithmique que nous venons de présenter nous conforte dans l'idée que les graphes, structure computationnelle que nous avons utilisée dans notre modèle informatique pour modéliser les schémas de conduite, constituent un formalisme pertinent et ecace pour permettre l'implémentation eective de ce processus d'appariement.

4.3.2 Implémentation eective des schémas de conduite et simulation des