Ces travaux de thèse sont réalisés au sein de l’équipe STI du laboratoire LITIS, en collaboration avec le centre de robotique CAOR de l’école des mines de Paris et l’INRIA Rocquencourt dont ils ont utilisé la plateforme du prototype LARA composée de véhicules instrumentés. L’objectif est de contribuer à la localisation des véhicules intelligents équipés de récepteurs GPS (Global Positionning System), de systèmes de vision et du matériel de communication permettant la coopération entre ces véhicules. En milieu urbain, les performances du GPS sont fortement dégradées. La réception du signal GPS souffre de masquages ou de mauvaises configurations géométriques des satellites. De plus, la qualité du signal peut être corrompue à cause du phénomène de multi-trajets lié à la réflexion du signal sur les bâtiments, tunnels... Alors la robustesse, la précision et la disponibilité de l’estimation de la position peut décroître significativement. D’où la nécessité d’une source d’information complémentaire pour compenser les faiblesses du récepteur GPS. L’originalité de nos travaux consiste à utiliser les données exploitées par notre système de vision. Le système de vision utilisé est basé sur une caméra (monovision). Il permet la détection robuste des obstacles sur la route, ainsi que la détection de la pluie. Le calcul de la distance de l’obstacle à notre véhicule est réalisé à l’aide du modèle sténopé et l’hypothèse de la route plane. Les véhicules utilisant des systèmes de communication sans fil basé sur la norme 802.11g+ coopèrent entre eux en échangeant leurs coordonnées GPS si elles sont disponibles. Cette coopération permet de connaître la position des véhicules qui nous entourent. Le système de communication est aussi utilisé pour l’alerte météorologique V2I ou V2V en utilisant la détection de la pluie réalisée en collaboration avec Valeo. Pour réaliser le positionnement relatif fiable, nous avons mis en oeuvre un algorithme de suivi basé sur le filtrage particulaire. Cette méthode permet de fusionner les données en utilisant les techniques probabilistes lors des différentes étapes du filtre. Finalement, une validation expérimentale en temps réel sur les véhicules du prototype LARA a été réalisée sur différents scénarios. / This thesis work realised at the STI team of the LITIS Laboratory, in collaboration with the Center of Robotics CAOR at the Ecole des Mines of Paris and the INRIA Rocquencourt, and tested on the prototype LARA. The aim is to better positionning of intelligent vehicles equipped with GPS, vision systems and communication devices used for cooperation between vehicles. In urban areas, The usage of GPS is not always ideal because of the poorness of the satellite coverage. Sometimes, the GPS signal may be also corrupted by multipath reflections due to tunnels, high buildings, electronic interferences etc. So, in order to accurate the vehicle positioning in the navigation application, the GPS data will be enhanced with vision data using communication between vehicles. The vision system is based on a monocular real-time vision-based vehicle detection. We can calculate the distance between vehicles using the pinhole model. We developped a rain detection system using the same camera. The inter-vehicle cooperation is made possible thanks to the revolution in the wireless mobile ad hoc network. Localization information can be exchanged between the vehicles through a wireless communication devices. The creation of the system will adopt the Monte Carlo Method or what we call a particle filter for the treatment of the GPS data and vision data. An experimental study of this system is performed on our fleet of experimental communicating vehicles LARA.

Dans le cadre du développement des innovations dans les Systèmes de Transport Intelligents, les véhicules connectés devront être capables de télécharger des informations basées sur la position sur et depuis des serveurs distants. Ces véhicules seront équipés avec des différentes technologies d’accès radio, telles que les réseaux cellulaires ou les réseaux véhicule-à-véhicule (V2V) comme IEEE 802.11p. Les réseaux cellulaires, avec une couverture presque omniprésente, fournissent un accès à internet avec garanties de qualité de service. Cependant, l’accès à ces réseaux est payant. Dans cette thèse, un algorithme de clustering multi-saut est proposé avec pour objectif de réduire le coût d’accès au réseau cellulaire en agrégeant des données sur le réseau V2V. Pour faire ceci, le leader du cluster (CH, de l’anglais Cluster Head) est utilisé comme passerelle unique vers le réseau cellulaire. Pour le test d’une application d’exemple pour télécharger du Floating Car Data agrégé, les résultats des simulations montrent que cette approche réduit l’utilisation du réseau cellulaire de plus de 80%, en s’attaquant à la redondance typique des données basées sur la position dans les réseaux véhiculaires. Il y a une contribution en trois parties : Premièrement, une approche pour déléguer la sélection du CH à la station de base du réseau cellulaire afin de maximiser la taille des clusters, et par conséquent le taux de compression. Deuxièmement, un algorithme auto-adaptatif qui change dynamiquement le nombre maximum de sauts afin de maintenir un équilibre entre la réduction des coûts d’accès au réseau cellulaire et le taux de perte de paquets dans le réseau V2V. Finalement, l’incorporation d’une théorie de la justice distributive, afin d’améliorer l’équité sur la durée concernant la distribution des coûts auxquels les CH doivent faire face, améliorant ainsi l’acceptabilité sociale de la proposition. Les algorithmes proposés ont été testés via simulation, et les résultats montrent une réduction significative dans l’utilisation du réseau cellulaire, une adaptation réussie du nombre de sauts aux changements de la densité du trafic véhiculaire, et une amélioration dans les métriques d’équité, sans affecter la performance des réseaux. / For the development of innovative Intelligent Transportation Systems applications, connected vehicles will frequently need to upload and download position-based information to and from servers. These vehicles will be equipped with different Radio Access Technologies (RAT), like cellular and vehicle-to-vehicle (V2V) technologies such as LTE and IEEE 802.11p respectively. Cellular networkscan provide internet access almost anywhere, with QoS guarantees. However, accessing these networks has an economic cost. In this thesis, a multi-hop clustering algorithm is proposed in the aim of reducing the cellular access costs by aggregating information and off-loading data in the V2V network, using the Cluster Head as a single gateway to the cellular network. For the example application of uploading aggregated Floating Car Data, simulation results show that this approach reduce cellular data consumption by more than 80% by reducing the typical redundancy of position-based data in a vehicular network. There is a threefold contribution: First, an approach that delegates the Cluster Head selection to the cellular base station in order to maximize the cluster size, thus maximizing aggregation. Secondly, a self-adaptation algorithm that dynamically changes the maximum number of hops, addressing the trade-off between cellular access reduction and V2V packet loss. Finally, the incorporation of a theory of distributive justice, for improving fairness over time regarding the distribution of the cost in which Cluster Heads have to incur, thus improving the proposal’s social acceptability. The proposed algorithms were tested via simulation, and the results show a significant reduction in cellular network usage, a successful adaptation of the number of hops to changes in the vehicular traffic density, and an improvement in fairness metrics, without affecting network performance.