FR3103434A1 - Procédé de détection du comportement erratique d’un véhicule automobile circulant sur une route - Google Patents
Procédé de détection du comportement erratique d’un véhicule automobile circulant sur une route Download PDFInfo
- Publication number
- FR3103434A1 FR3103434A1 FR1913010A FR1913010A FR3103434A1 FR 3103434 A1 FR3103434 A1 FR 3103434A1 FR 1913010 A FR1913010 A FR 1913010A FR 1913010 A FR1913010 A FR 1913010A FR 3103434 A1 FR3103434 A1 FR 3103434A1
- Authority
- FR
- France
- Prior art keywords
- network
- data
- erratic behavior
- vehicle
- behavior
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
- G08G1/0133—Traffic data processing for classifying traffic situation
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
- G08G1/096766—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission
- G08G1/096775—Systems involving transmission of highway information, e.g. weather, speed limits where the system is characterised by the origin of the information transmission where the origin of the information is a central station
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Traffic Control Systems (AREA)
Abstract
L’invention concerne un procédé de détection d’un comportement erratique d’un véhicule automobile, le procédé comportant les étapes de : - collecter (40) un ensemble de données relatives au comportement d’un véhicule ; - classer (42) les données de l’ensemble de données, au moyen d’un premier réseau neuronal artificiel, ou réseau discriminateur, préalablement entrainé avec un deuxième réseau neuronal artificiel, ou réseau générateur, ces deux réseaux formant un ensemble de réseaux antagonistes génératifs et ayant été mutuellement entrainés à partir d’une base d’apprentissage ne comportant aucunes données relatives à un comportement erratique, l’apprentissage mutuel permettant au réseau discriminateur de classer des données présentées comme réelles si elles sont réelles, ou comme simulées si elles ont été simulées par le réseau générateur ; - détecter (44) que le véhicule présente un comportement erratique si les données de l’ensemble de données présentées au réseau discriminateur sont classées comme étant simulées. Figure pour l’abrégé : Fig. 3
Description
L’invention se rapporte au domaine des aides à la conduite pour véhicules automobiles. Elle concerne plus particulièrement un procédé et un système mettant en œuvre une infrastructure routière connectée permettant la détection d’un danger potentiel, afin d’en avertir les conducteurs des véhicules concernés.
On connait des infrastructures routières mettant en œuvre des capteurs multiples afin de détecter des véhicules en situation d’infraction, et émettre le cas échéant des messages d’alerte aux véhicules alentours. Par exemple, un véhicule roulant à contresens sera détecté par l’infrastructure connectée, et les conducteurs des véhicules circulant à proximité de ce véhicule en infraction seront avertis de ce danger grâce à l’émission d’un message d’alerte. Un tel système présente cependant l’inconvénient de ne pouvoir prendre en compte que des situations préalablement identifiées et programmées dans le système de gestion de l’infrastructure.
La présente invention a pour but de remédier aux inconvénients de l’état de la technique, et plus particulièrement ceux ci-dessus exposés, en proposant un procédé permettant à une infrastructure routière équipée de capteurs de détecter les comportements erratiques des véhicules automobiles afin de détecter des dangers potentiels pour les autres véhicules.
À cet effet, l’invention concerne un procédé de détection d’un comportement erratique d’un véhicule automobile circulant sur une route, le procédé comportant les étapes de:
- collecter un ensemble de données relatives au comportement d’au moins un véhicule;
- classer les données de l’ensemble de données, au moyen d’un premier réseau neuronal artificiel, ou réseau discriminateur, préalablement entrainé avec un deuxième réseau neuronal artificiel, ou réseau générateur, le réseau générateur et le réseau discriminateur formant un ensemble de réseaux antagonistes génératifs et ayant été mutuellement entrainés à partir d’une base d’apprentissage ne comportant aucunes données relatives à un comportement erratique, l’apprentissage mutuel permettant au réseau discriminateur de classer des données présentées comme réelles si elles sont réelles, ou comme simulées si elles ont été simulées par le réseau générateur;
- détecter que le véhicule présente un comportement erratique si les données de l’ensemble de données présentées au réseau discriminateur sont classées comme étant simulées.
Ainsi, en mettant en œuvre au moins deux réseaux neuronaux artificiels formant des réseaux antagonistes génératifs, le procédé conforme à l’invention permet à une infrastructure connectée de détecter des comportements erratiques alors que ceux-ci ne sont pas préalablement connus du système de détection. En effet, le réseau discriminateur et le réseau génératif font l’objet d’un processus préalable d’entrainement, au moyen d’une base d’apprentissage ne comportant pas de données relatives à des comportements erratiques, mais comportant uniquement des données relatives à des comportements normaux, le processus d’entrainement étant réalisé de façon itérative jusqu’à obtenir la convergence des deux réseaux. Ainsi, le réseau discriminateur apprend à classer des données en deux catégories, une catégorie «données réelles» et une catégorie «données simulées» (c’est-à-dire simulées par le réseau générateur). À L’issue de la phase d’apprentissage, seul le réseau discriminateur est mis en œuvre par le procédé conforme à l’invention, le classement des données réelles collectées par l’infrastructure routière connectée en tant que données simulées signifiant alors que les données collectées sont représentatives d’un comportement erratique. En d’autres termes, tout comportement ne correspondant pas à ce qui a été préalablement appris par le réseau neuronal artificiel discriminateur sera identifié comme correspondant à un comportement erratique. L’invention permet donc de ne pas limiter la détection à des comportements préalablement identifiés.
Dans une réalisation, l’ ensemble de données est collecté au moyen de capteurs équipant l’infrastructure de la route.
Dans une réalisation, le procédé comporte une étape d’émission d’un message d’alerte à destination d’un ou plusieurs véhicules circulant à proximité du véhicule présentant un comportement erratique.
Dans une réalisation, le message d’alerte comporte une information relative à la voie de circulation sur laquelle se situe le véhicule présentant un comportement erratique.
L’invention concerne également un produit programme d'ordinateur comprenant des instructions qui, lorsque le programme est exécuté par un processeur, conduisent celui-ci à mettre en œuvre les étapes du procédé tel que défini ci-dessus.
L’invention concerne également un système de détection d’un comportement erratique d’un véhicule automobile circulant sur une route, le système comportant au moins un capteur et un calculateur intégrant au moins deux réseaux neuronaux artificiels agencés pour mettre en œuvre le procédé tel que défini ci-dessus.
Dans une réalisation, le système de détection comporte un module de télécommunication permettant d’échanger des données à travers un réseau de communication.
La présente invention sera mieux comprise à la lecture de la description détaillée qui suit, faite en référence aux dessins annexés, dans lesquels :
La figure 1 représente une portion d’une route 1 comportant deux voies de circulation 10, 12.
On a représenté sur la figure 1 un premier véhicule 2 automobile circulant sur la route 1 dans une première direction, et un deuxième véhicule 3 automobile, circulant sur la route 1 dans la direction opposée à celle du premier véhicule 2 automobile.
On a représenté sur la figure 2 le premier véhicule 2, qui est dans l’exemple un véhicule de type connecté. Il comporte un calculateur embarqué 20 et un module de communication sans fil 22. Le module de communication sans fil 22 permet d’échanger des données avec d’autres éléments connectés à travers un ou plusieurs réseau(x) de communication sans fil, tel qu’un réseau de communication à courte portée (par exemple de type Wifi, Bluetooth, etc.) et/ou un réseau de communication à longue portée (par exemple de type 3G, 4G, 5G, etc.). Le premier véhicule 2 comporte en outre un dispositif d’affichage 24 permettant d’afficher des informations à l’attention des occupants du véhicule, et notamment à l’attention du conducteur.
La route 1 est équipée d’une infrastructure 14 connectée. L’infrastructure 14 comporte une pluralité de capteurs 14a, 14b, 14c, 14d. Les capteurs peuvent être par exemple des capteurs de type radar et/ou lidar et/ou caméra. Les capteurs permettent notamment de détecter les véhicules circulant sur la route 1 et de suivre leur évolution.
Les informations collectées par les différentes capteurs 14a, 14b, 14c, 14d équipant l’infrastructure 14 sont transmises à une unité centrale 16. L’unité centrale 16 comporte un calculateur 160. L’unité centrale 16 comporte en outre un module de télécommunication 164 permettant d’échanger des données avec des éléments distants (tels que des véhicules automobiles connectés) à travers un ou plusieurs réseau(x) de communication.
L’unité centrale 16 est configurée pour détecter, au moyen des capteurs 14a, 14b, 14c, 14d équipant l’infrastructure 14, les véhicules automobiles circulant sur la route 1 et pour suivre l’évolution de leur position afin de détecter des comportements erratiques. Conformément à l’invention, le calculateur 160 de l’unité centrale 16 intègre à cet effet au moins un premier réseau neuronal artificiel 162, ou réseau discriminateur, et au moins un deuxième réseau neuronal artificiel 163, ou réseau générateur. Ces deux réseaux neuronaux artificiels 162, 163 forment ensemble des réseaux antagonistes génératifs. Ces deux réseaux ont fait l’objet d’un apprentissage préalable mutuel, à partir d’une base de données comportant exclusivement des données relatives à des véhicules ayant des comportements normaux (c’est-à-dire des comportements non erratiques du point de vue des règles de conduite, des trajectoires, des allures, etc.).
L’apprentissage des deux réseaux neuronaux artificiels 162, 163 est réalisé de manière itérative, jusqu’à obtenir la convergence des deux réseaux. Le réseau génératif 163 est configuré pour, sur la base de données d’entrée, fournir en sortir des données simulées (les données ainsi générées par le réseau génératif 163 respectent le même format que les données réelles). Le réseau discriminateur 162 est configuré pour, sur la base de données d’entrée, classer ces données en deux classes (ou catégories): «données réelles» et «données simulées».
L’apprentissage est réalisé de manière itérative jusqu’à obtenir la convergence des deux réseaux neuronaux artificiels 162, 163, et comporte plusieurs phases.
Au cours d’une première phase, on fige le le réseau discriminateur 162, et on entraine tout d’abord le réseau générateur 163, qui doit générer des données s’approchant du réel, le critère est donc que le réseau discriminateur 162 qui permet de classer les données se trompe le plus souvent possible.
Au cours d’une deuxième phase, on fige le réseau générateur 163, et on entraine le réseau discriminateur 162, qui doit être le plus performant possible pour classer les données réelles et simulées fournies par le réseau générateur 163. Ces deux phases d’apprentissage sont répétées autant de fois que nécessaire, jusqu’à obtenir la convergence des deux réseaux. A l’issue de ce processus d’apprentissage, seul le réseau discriminateur 162 est utilisé pour la détection de comportements erratiques.
On décrit ci-après, notamment en relation avec la figure 3, les étapes de mise en œuvre d’un procédé conforme à l’invention.
Le procédé comporte une première étape 40 consistant à collecter un ensemble de données relatives au comportement d’au moins un véhicule, dans l’exemple le deuxième véhicule 3. Ces données sont relatives au comportement du véhicule, et inclut notamment la position du véhicule, ainsi que des données relatives à la cinématique du véhicule, comme par exemple sa vitesse et/ou son accélération (latérale et/ou longitudinale), son orientation, etc. Ces données sont notamment collectées au moyen des capteurs 14a, 14b, 14c, 14d équipant l’infrastructure de la route 1.
Au cours d’une étape de classement 42, le réseau discriminateur 162 effectue le classement des données de l’ensemble de données collectées au cours de l’étape précédente. Conformément à la phase préalable d’apprentissage, le réseau discriminateur 162 classe les données qui lui sont présentées en deux catégories, «données réelles» ou «données simulées».
Le procédé comporte ensuite une étape 44 de détection. Au cours de cette étape, le calculateur 160 détermine que le véhicule concerné présente un comportement erratique si les données réelles relatives à son comportement sont classées comme étant des données simulées par le réseau discriminateur 162.
Les étapes décrites ci-dessus sont itératives et sont donc répétées à intervalles réguliers, l’intervalle de temps pouvant être par exemple compris entre 50 millisecondes et 5 secondes, et par exemple égal à une seconde.
Avantageusement, le procédé comporte une étape 46 d’émission d’un message d’alerte à au moins un véhicule circulant à proximité du véhicule présentant un comportement erratique. De préférence, le message d’alerte comporte une information relative à la voie de circulation 10, 12 sur laquelle se situe le véhicule présentant un comportement erratique.
Les données échangées entre les différentes entités (entre véhicules ou entre véhicules et éléments connectés tels que l’infrastructure 14) pourront être échangées à travers des réseaux de communication sans fil de type courte portée (par exemple, Bluetooth®, Wifi®, PC5, ITS G5, …) ou de type longue portée (3g, 4G, 5G, …).
Claims (7)
- Procédé de détection d’un comportement erratique d’un véhicule automobile circulant sur une route (1), le procédé comportant les étapes de:
- collecter (40) un ensemble de données relatives au comportement d’au moins un véhicule;
- classer (42) le ensemble de données, au moyen d’un premier réseau neuronal artificiel, ou réseau discriminateur (162), préalablement entrainé avec un deuxième réseau neuronal artificiel (163), ou réseau générateur, le réseau générateur et le réseau discriminateur formant un ensemble de réseaux antagonistes génératifs et ayant été mutuellement entrainés à partir d’une base d’apprentissage ne comportant aucunes données relatives à un comportement erratique, l’apprentissage mutuel permettant au réseau discriminateur de classer des données présentées comme réelles si elles sont réelles, ou comme simulées si elles ont été simulées par le réseau générateur;
- détecter (44) que le véhicule présente un comportement erratique si les données de l’ensemble de données présentées au réseau discriminateur sont classées comme étant simulées. - Procédé selon la revendication précédente, dans lequel l’ ensemble de données est collecté au moyen de capteurs (14a, 14b, 14c, 14d) équipant l’infrastructure (14) de la route (1).
- Procédé selon l’une des revendications précédentes, comportant une étape (46) d’émission d’un message d’alerte à destination d’un ou plusieurs véhicules (2) circulant à proximité du véhicule (3) présentant un comportement erratique.
- Procédé selon la revendication précédente, dans lequel le message d’alerte comporte une information relative à la voie de circulation sur laquelle se situe le véhicule présentant un comportement erratique.
- Produit programme d'ordinateur comprenant des instructions qui, lorsque le programme est exécuté par un processeur, conduisent celui-ci à mettre en œuvre les étapes du procédé selon l’une des revendications 1 à 4.
- Système de détection d’un comportement erratique d’un véhicule automobile circulant sur une route (1), le système comportant au moins un capteur (14a, 14b, 14c, 14d), un calculateur (160) intégrant au moins deux réseaux neuronaux artificiels (162, 163) agencés pour mettre en œuvre le procédé conforme à l’une des revendications 1 à 4.
- Système de détection d’un comportement erratique selon la revendication précédente, comportant un module de télécommunication (164) permettant d’échanger des données à travers un réseau de communication.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1913010A FR3103434A1 (fr) | 2019-11-21 | 2019-11-21 | Procédé de détection du comportement erratique d’un véhicule automobile circulant sur une route |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1913010A FR3103434A1 (fr) | 2019-11-21 | 2019-11-21 | Procédé de détection du comportement erratique d’un véhicule automobile circulant sur une route |
FR1913010 | 2019-11-21 |
Publications (1)
Publication Number | Publication Date |
---|---|
FR3103434A1 true FR3103434A1 (fr) | 2021-05-28 |
Family
ID=69811056
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
FR1913010A Withdrawn FR3103434A1 (fr) | 2019-11-21 | 2019-11-21 | Procédé de détection du comportement erratique d’un véhicule automobile circulant sur une route |
Country Status (1)
Country | Link |
---|---|
FR (1) | FR3103434A1 (fr) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2921180A1 (fr) * | 2007-09-17 | 2009-03-20 | Sanef Sa | Systeme informatique de gestion des prises a contresens |
US20160210855A1 (en) * | 2013-09-06 | 2016-07-21 | Robert Bosch Gmbh | Method and traffic monitoring device for detecting a wrong-way driving incidnet of a motor vehicle |
WO2019145018A1 (fr) * | 2018-01-23 | 2019-08-01 | Siemens Aktiengesellschaft | Système, dispositif et procédé de détection d'événements de trafic anormal dans un emplacement géographique |
-
2019
- 2019-11-21 FR FR1913010A patent/FR3103434A1/fr not_active Withdrawn
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2921180A1 (fr) * | 2007-09-17 | 2009-03-20 | Sanef Sa | Systeme informatique de gestion des prises a contresens |
US20160210855A1 (en) * | 2013-09-06 | 2016-07-21 | Robert Bosch Gmbh | Method and traffic monitoring device for detecting a wrong-way driving incidnet of a motor vehicle |
WO2019145018A1 (fr) * | 2018-01-23 | 2019-08-01 | Siemens Aktiengesellschaft | Système, dispositif et procédé de détection d'événements de trafic anormal dans un emplacement géographique |
Non-Patent Citations (1)
Title |
---|
RAVANBAKHSH MAHDYAR ET AL: "Abnormal event detection in videos using generative adversarial nets", 2017 IEEE INTERNATIONAL CONFERENCE ON IMAGE PROCESSING (ICIP), IEEE, 17 September 2017 (2017-09-17), pages 1577 - 1581, XP033322840, DOI: 10.1109/ICIP.2017.8296547 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220244063A1 (en) | Data processing system communicating with a map data processing system to determine or alter a navigation path based on one or more road segments | |
CN109455180B (zh) | 用于控制无人车的方法和装置 | |
EP3519267B1 (fr) | Assistance à la conduite sur voie rapide à chaussées séparées par un rail de sécurité | |
FR2979878A1 (fr) | Procede d'application d'un systeme d'assistance de conduite et unite de calcul pour sa mise en oeuvre | |
EP3629310A1 (fr) | Système de génération automatique d'alertes destinées aux usagers d'une route | |
FR3118616A1 (fr) | Procédé et dispositif d’alerte anticollision et/ou de freinage d’urgence | |
FR3110998A1 (fr) | Procédé de régulation d’un trafic routier aux abords d’une zone de croisement de voies de circulation. | |
FR3103434A1 (fr) | Procédé de détection du comportement erratique d’un véhicule automobile circulant sur une route | |
WO2019122573A1 (fr) | Procédé de surveillance d'un environnement d'un premier élément positionné au niveau d'une voie de circulation, et système associé | |
EP4352305A1 (fr) | Procédé et dispositif de désactivation de système d'aide à la conduite | |
FR3103435A1 (fr) | Procédé de détection du comportement erratique d’un véhicule automobile circulant sur une route | |
WO2022226434A1 (fr) | Évaluation de véhicule à conduite autonome utilisant des données réelles | |
WO2020239455A1 (fr) | Procede de generation de message de connaissance d'un premier usager de la route, et procede et dispositif d'assistance d'un deuxieme usager de la route | |
EP2489548B1 (fr) | Procédé et dispositif de commande de commutation du système d'éclairage avant adaptatif d'un véhicule automobile | |
WO2021204559A1 (fr) | Procédé et système d'aide à la conduite | |
WO2019220039A1 (fr) | Procédé et dispositif d'assistance à la conduite d'un véhicule suivant un véhicule à long porte-à-faux | |
FR3106553A1 (fr) | Procédé et dispositif de traitement de données d’environnement de véhicule | |
EP3729405A1 (fr) | Procédé de détermination d'un scénario de communications et terminal associé | |
FR3103436A1 (fr) | Procédé de détection du comportement erratique d’un véhicule automobile circulant sur une route. | |
WO2023104683A1 (fr) | Procédé de prédiction d'une variation de qualité de service dans un réseau de communication v2x, dispositif de prédiction et programme d'ordinateur correspondants | |
WO2023111100A1 (fr) | Procédé de régulation de trafic routier et équipeme nt pour la mise en oeuvre du procédé | |
WO2019220031A1 (fr) | Procédé et dispositif d'assistance à la conduite d'un véhicule ayant devant lui un véhicule long pouvant se déporter pour passer un virage | |
FR3130433A1 (fr) | Procédé d’analyse prédictive en temps réel de la survenue d’un accident sur une zone accidentogène | |
FR3131261A1 (fr) | Procédé et dispositif d’alerte sur un véhicule circulant dans un environnement routier | |
FR3092551A1 (fr) | Systeme d’aide a la conduite |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PLFP | Fee payment |
Year of fee payment: 2 |
|
PLSC | Publication of the preliminary search report |
Effective date: 20210528 |
|
ST | Notification of lapse |
Effective date: 20220705 |