MOOVE : making autonomous driving safer thanks to driving data collection

A key challenge for vehicle manufacturers and their partners is to guarantee road users a high level of safety when the latter activate the automated features of their vehicle in often complex driving conditions, or when they are being transported by autonomous, driverless vehicles or taxis. In 2015, to ensure their safety, the VEDECOM Institute went into partnership with PSA, Renault, and Valeo, to launch the MOOVE project which aims to compile a database of scenarios of real driving conditions to be used as a technical reference bank for the design and validation of delegated, automated driving features. Here is an update on this large-scale project which has sent out a fleet of nine vehicles to collect driving data that will give a precise understanding of the different driving conditions that the vehicles may encounter.

Collecting all the driving parameters to obtain road user behaviour models

All the vehicle manufacturers agree that the only way to identify and consequently cope with the complexity and diversity of the driving conditions encountered on our roads is to collect huge quantities of data (1 million kilometres of real data has been collected at present). So, since 2016, nine vehicles have been travelling the roads of Europe as part of the MOOVE project. Their mission: to drive in all weathers and all locations to record as much data as possible on the different driving situations that a vehicle may encounter and especially to identify high-risk situations for an autonomous vehicle.

 

High-risk situations and driver behaviour: nothing is left to chance

The vehicles are driven by humans, and are equipped with similar perception capacities to those of autonomous vehicles: radars, lidars, and terrain reality cameras that permanently record videos in 360°. Three interior cameras observe the driver’s hands, feet and eyes, and there is a dynamic notification tablet to allow the driver to warn in real time of critical or unusual driving situations. A complete monitoring of the vehicle’s internal communication network keeps track of all the actions performed on the brake, accelerator, direction, headlights, and windscreen wipers, as well as the speed of the vehicle, gear changes, GPS position, etc. A total of 500 different signals are recorded: data which, when synchronised, allow the data scientists to reconstitute real driving situations and to know how the driver reacted to them.

 

250 Terabytes of data collected in 17 European countries

After initially driving in France and the big cities of Europe, the vehicles then journeyed on motorways dual carriageways, and minor roads and in the Alps where they encountered snow and fog. They have crossed all the major bridges of Western Europe and many tunnels. They are currently driving through Eastern Europe and should soon reach urban zones and country roads. With 1 million kilometres already driven in around 15,000 hours of driving in 17 different countries, the MOOVE vehicles have already recorded 250 TB of data constituting a base of raw data on all the parameters of the driving situations encountered.

 

Transforming the raw database into a relational database of labelled scenarios

A hardware and software infrastructure has been set up at VEDECOM for storing, archiving and performing processing calculations on the 250 TB of data. The project partners have secure, remote access to this infrastructure.

The raw data is organised according to a structure adapted to such a large volume. For that it is subjected to a series of transformations to allow it to be analysed and to allow efficient access and calculations 100 times faster than real time: “We analyse the signals with 171 algorithms to find expert rules, identify what took place and extract all the attributes: speed, inter-distance, etc.” explains Annie Bracquemond, project manager at the VEDECOM Institute. “That will then be used by drivers and their partners to specify and validate the control systems of future autonomous vehicles.”

 

Modelling remarkable scenarios with robust algorithms

At the end of this process, a relational database of 5 TB of interpreted objects reconstituting driving scenarios, synchronised with the videos, has been established. 80 remarkable and pertinent scenarios have been identified. A dedicated interrogation software package for this database (MOVIN-SALSA) has been developed, based on the SALSA software developed by CEESAR (European Centre of Studies on Safety and Risk Analysis) to extract and model the desired driving scenarios.

Around a hundred High Level Parameters have also been defined to specify all the objects and players in the road driving scene. These parameters make it possible to model the entire environment of the vehicle. Each one has been strengthened by specific algorithms to make them as robust as possible. These parameters are processed by algorithms to allow the data scientists to detect events exterior to the vehicle as well as the actions of the driver, and also to reconstitute the elements of the road infrastructure or temporal sequences and climate conditions in which the scenarios take place.

 

Smart databases of driving scenarios to make delegated driving safer

The last phase of the process consists in extracting the critical sequences and producing statistics on the probability of occurrence of these events, and driver actions or reactions, while taking into account different road infrastructures and impact of weather conditions. The project comes down to modelling the real world in order to pass on this knowledge to the designers of smart perception and supervision features and using simulation to ultimately validate the control mechanisms of autonomous vehicles. Objective: maximal safety.

 

Voir toutes les actualités
Articles récents :

MOOVE : sécuriser la conduite autonome grâce à la collecte des données de roulage

Un enjeu essentiel pour les constructeurs automobiles et leurs partenaires est de garantir aux usagers de la route un haut niveau de sécurité quand ces derniers activeront les fonctions d’automatisation de leur véhicule dans un trafic routier souvent complexe, ou quand ils seront transportés par des véhicules ou des taxis autonomes sans chauffeur. C’est pour assurer cette sécurité que l’Institut VEDECOM a lancé en 2015, en partenariat avec PSA, Renault, et Valeo, le projet MOOVE qui vise à constituer une base de données de scénarios de conduite réelle du trafic routier comme référence technique pour la conception et la validation de fonctions de conduite déléguée automatisée. Le point sur ce projet d’envergure qui fait rouler une flotte de neuf véhicules pour recueillir les données de roulage, susceptibles d’apporter une connaissance fine des différentes situations routières auxquelles se trouvent confrontés les véhicules…

Collecter tous les paramètres de conduite pour dégager des modèles de comportement des usagers de la route

L’hypothèse que font tous les constructeurs automobiles est que la seule façon d’identifier et donc de traiter la complexité et la diversité des situations de trafic rencontrées sur nos routes consiste à recueillir de vastes quantités de données (actuellement 1 million de km de données réelles). C’est la raison pour laquelle, depuis 2016, neuf véhicules sillonnent les routes d’Europe dans le cadre du projet MOOVE. Leur mission : rouler par tous les temps et en tous lieux pour enregistrer le maximum de données sur les différentes situations routières auxquelles se trouve confronté un véhicule, en particulier pour identifier les situations à risque pour le véhicule autonome.

 

Situations à risque et comportement du chauffeur : rien n’est laissé au hasard

Conduits par des conducteurs humains, ils sont équipés de capacités de perception similaires à celles des véhicules autonomes : radars, lidars et caméras de réalité terrain enregistrant en permanence des vidéos en 360°. Trois caméras intérieures observent les mains, les pieds et les yeux du conducteur, qui dispose également d’une tablette de notification dynamique pour signaler en temps réel les situations de conduite critiques ou particulières. Un monitoring complet du réseau de communication interne du véhicule permet de connaître toutes les actions exercées sur le frein, l’accélérateur, la direction, les feux, les essuie-glaces ainsi que la vitesse du véhicule, le passage des vitesses, sa position GPS… Au total, ce sont 500 signaux différents qui sont enregistrés : des données qui, synchronisées, permettent aux data scientists de reconstituer les situations routières réelles et de savoir comment le conducteur a réagi.

 

250 To de données collectées dans 17 pays européens

D’abord roulant en métropole parisienne et dans les grandes villes d’Europe, les véhicules ont ensuite parcouru les autoroutes et les voies rapides, les routes secondaires et les Alpes où ils ont enduré neige et brouillard. Ils ont franchi tous les grands ponts d’Europe de l’Ouest, et traversé les tunnels. Ils sillonnent actuellement l’Europe de l’Est et devraient bientôt arriver en zones urbaines et sur les routes de campagne. Avec 1 million de kilomètres à leur actif en quelques 15 000 heures de route dans 17 pays différents, les véhicules MOOVE ont déjà permis d’enregistrer 250 To de données qui constituent une base de données brutes de tous les paramètres des situations routières rencontrées.

 

Transformer la base de données brutes en base de données relationnelle de scénarios labélisés

Une infrastructure hardware et software a été mise en place chez VEDECOM pour le stockage, l’archivage et les calculs de traitement des 250 To de données. Les partenaires du projet peuvent y accéder à distance de façon hautement sécurisée.

Les données brutes sont organisées selon une structure adaptée à un tel volume. Elles sont pour cela soumises à une succession de transformations qui doivent permettre l’analyse, mais aussi des accès performants et des calculs 100 fois plus rapides que le temps réel : « Nous analysons les signaux avec 171 algorithmes pour y trouver des règles d’expert, identifier ce qui s’est passé et en sortir tous les attributs : vitesse, inter distance, etc., détaille Annie Bracquemond, chef du projet à l’Institut VEDECOM. Cela servira ensuite aux conducteurs automobiles et à leurs partenaires pour spécifier et valider des lois de commande des futurs véhicules autonomes. »

 

Modéliser des scénarios remarquables avec des algorithmes robustes

Au terme de ce processus, une base de données relationnelle de 5 To d’objets interprétés reconstituant les scénarios routiers, synchronisés aux vidéos, a été établie. 80 scénarios remarquables et pertinents ont pu ainsi être relevés. Un progiciel dédié d’interrogation de cette base de données (MOVIN-SALSA) a été développé sur la base du logiciel SALSA du CEESAR (Centre Européen d’Etudes de Sécurité et Analyse des Risques) afin d’extraire et modéliser les scénarios routiers souhaités.

Par ailleurs, une centaine de Paramètres Haut Niveau ont été définis pour spécifier tous les objets et acteurs de la scène routière. Ces paramètres permettent de modéliser l’intégralité de l’environnement du véhicule. Chacun a été renforcé par des algorithmes spécifiques pour les rendre le plus robuste possible. Traités par algorithmes, ces paramètres permettent aux data scientists de détecter les événements extérieurs au véhicule ainsi que les actions du conducteur, mais aussi de reconstituer les éléments de l’infrastructure routière ou des séquences temporelles et conditions climatiques dans lesquelles se déroulent les scénarios.

 

Des bases de données intelligentes de scénarios du trafic routier pour sécuriser la conduite déléguée

La dernière phase du processus consiste à extraire les séquences critiques et réaliser des statistiques de probabilité d’apparition de ces événements, d’actions ou réactions des conducteurs. Le tout en fonction des infrastructures routières de qualité inégale et de conditions climatiques plus ou moins difficiles. Il ne s’agit rien de moins que de modéliser le monde réel et ainsi de projeter cette connaissance vers les concepteurs des fonctions de perception et de supervision intelligente. Simuler pour finalement valider les mécanismes de contrôle des véhicules autonomes. Objectif : une sécurité maximale.

 

Voir toutes les actualités
Articles récents :