Trappes, 17.02.2022 – Les systèmes d'aide à la conduite
tels que les fonctions de maintien automatique de la distance et de suivi de
trajectoire améliorent déjà la sécurité et le confort des occupants, ainsi que
l'efficacité énergétique des véhicules. Néanmoins, alors que l'industrie
propose des fonctions d'automatisation supérieures ou égales au niveau 3, cette
complexité croissante requiert des capteurs bien plus sophistiqués, en termes
de performances, de fonctions de commande et de capacité de calcul.
FEV, fournisseur majeur de services en ingénierie dans le
domaine du développement de véhicules et de groupes motopropulseurs, ainsi qu'en
mobilité digitale, a mis au point des méthodologies uniques pour développer ces
systèmes, et les utilise déjà avec succès dans divers projets avec des constructeurs
et équipementiers automobiles. Ces méthodologies sont déployées afin d'examiner
et de valider le comportement des véhicules dans des situations de conduite
diverses et variées, et couvrent les domaines de l'ingénierie des systèmes, de
la gestion des données et des tests fonctionnels, des systèmes et des
véhicules.
Des scénarios pour définir les fonctions souhaitées
L'approche MBSE (Model Based System Engineering) utilise
des scénarios qui décrivent des situations de circulation complexes en vue de
déterminer l'architecture générale et la conception des systèmes de conduite
autonome de manière logique, pendant la phase de développement de fonctions
hautement automatisées. En considérant des cas d'utilisation complets, ils
définissent les comportements souhaités d'une fonction donnée, en prenant en
compte toutes les interactions pertinentes avec l'environnement, le conducteur
et les autres usagers de la route.
« Grâce à l'intégration des scénarios à notre
approche MBSE, nous assurons la validation des fonctions de conduite
développées. Par exemple, des périmètres de test précis répondant à des exigences
uniques peuvent être attribués et combinés dans des scénarios d'essais sur
différentes plateformes de simulation » explique le Dr Elmar Boerner,
Directeur Senior du Groupe FEV pour le développement des ADAS (Systèmes avancés
d'aide à la conduite) et AD (Conduite autonome). « Le scénario décrit
ainsi les relations temporelles entre différentes scènes. Ces scènes, quant à
elles, sont des instantanés de l'environnement, d'éléments dynamiques et
de l'ensemble des acteurs, mais aussi de la représentation du véhicule par
lui-même et des relations entre tous ces éléments. »
Les scénarios sont liés, via des cas d'utilisation, aux fonctionnalités
client et à la modélisation du comportement du système, incluant les exigences
associées. Ainsi, ces scénarios servent de lien entre le développement des
exigences et la base de création de cas de tests.
Acquisition de données en temps réel
Dans le cadre de la création des exigences au sein de l'approche
MBSE, les scénarios de FEV sont intégrés en tant qu'éléments principaux dans l'environnement
de développement. La chaîne interne d'acquisition des données revêt ici une
importance capitale. Elle collecte des données de mesure provenant des
véhicules autonomes de FEV pendant les roulages, grâce à un enregistreur de
données télématique, et les répartit en scénarios lors des sessions de mesure.
Les données collectées permettent également d'analyser directement les
scénarios pendant la phase de validation et de les préparer pour la simulation
dans les bases de données correspondantes. La comparaison avec des scénarios
définis aboutit ensuite à une boucle de développement continue, allant de la
conception aux tests du système, et inversement.
Gagner du temps grâce à l'automatisation
La méthodologie de FEV diffère des approches
conventionnelles des fonctions de conduite autonome. La définition des cas d'utilisation
est étendue en intégrant les spécifications de scénarios à chaque étape du
développement conformément aux exigences du client. Elle est ensuite liée aux
scénarios pertinents grâce aux méthodes MBSE exclusives de FEV.
Cette traçabilité transparente entre les exigences
individuelles et les éventuelles conditions opérationnelles se traduit ensuite
par un potentiel d'automatisation élevé dans des activités telles que l'analyse
des bases de données et la dérivation des cas de tests. Le périmètre des tests fait
alors preuve de « désambigüisation » et il est optimisé par rapport à une
vision conventionnelle de l'approche ODD (Domaine de conception
opérationnelle), en termes de fonction globale.
La modélisation ultérieure est réalisée à l'aide d'informations
obtenues de la route, des infrastructures du trafic, des variables limitées
dans le temps telles que les panneaux de chantier et les objets en mouvement,
et des facteurs environnementaux tels que les conditions météorologiques. Des
modèles peuvent être utilisés afin de générer des cas de tests pour divers
environnements de simulation, à l'aide de l'automatisation. Les exigences
relatives aux composants peuvent être définies - par exemple, pour les
performances des capteurs - et des cas de tests pour divers environnements de
simulation peuvent également être créés.
Cela réduit considérablement la portée de la vérification
et de la validation, dans la mesure où des plages de scénarios encore plus
complexes peuvent ainsi être couvertes par une modélisation intelligente, avec
des cas de tests générés de manière automatique. De telles plages de scénarios
sont nécessaires à la simulation dans des environnements de cloud, ainsi qu'aux
tests MIL et SIL avec de grandes variations, telles que les simulations de
« corner case » ou « edge case ».
Quel que soit le scénario, la méthodologie de FEV permet
de développer rapidement et de manière fiable des fonctions de conduite
autonome à partir du niveau 3.