Search

Cooperative Intelligent Transport System (C-ITS) applications assume the availability of a reliable and accurate positioning system. Even if suitable to most Day-1 applications (e.g. route navigation), the Global Navigation Satellite System (GNSS) accuracy, reliability and availability are clearly not sufficient for more demanding Day-2 applications (e.g., highly autonomous driving, advanced safety services including vulnerable road users warning, etc.), which would require a consistent sub-meter localization accuracy regardless of operating conditions. To bridge this gap, Cooperative Localization (CLoc) has been recently identified as a promising strategy. Accordingly, mobile nodes can help each other by exchanging location data (typically, their own position estimates or raw GNSS data), acquiring range-dependent metrics over their respective radio links and finally, fusing the various sources of information. However, conventional CLoc solutions may be partly unsuitable within the context of vehicular ad hoc networks (VANETs), which comes along with unprecedented challenges such as specific mobility patterns, practical operating trade-offs with complexity and vehicle-to-vehicle (V2V) communication capabilities, or even fusion optimality when multiple measurement modalities are available at the vehicles. Thus, one central related research question is as follows: Can the Day-2 sub-meter localization accuracy be met through CLoc strategies between connected vehicles?"In this thesis, following a gradually complex approach, we aim at evaluating how and in which conditions position information from neighboring vehicles and/or associated V2V measurements may improve localization accuracy and resilience. We first develop a generic fusion-based CLoc framework, which can rely on various vehicle-to-everything (V2X) and embedded sensor technologies. We then apply this framework to the standard ITS-G5 Cooperative Awareness Messages (CAMs), and show that it is possible to benefit from neighboring position information and from received signal strength-based range estimates to enhance local accuracy. On this occasion, we also make concrete proposals to handle messages/data synchronism (through mobility-based predictions), as well as to reduce both complexity and V2V communication footprint (through links/neighbors selection, messages approximation and transmission control). Next, we extend this framework to integrate more accurate V2V measurements based on the impulse radio ultra-wide bandwidth (IR-UWB) technology, while dealing with fusion filter overconfidence and error propagation issues. Finally, under even more challenging conditions with GNSS depraved neighbors or in tunnel conditions, we considered the assistance of extra onboard sensors (inertial unit, wheel speed sensor, camera-based lane detector, etc.), as well as static roadside units (RSUs). The proposed framework and methodology show to typically improve the localization accuracy from 2 m to below 30 cm in 80% of the cases. The proposed framework has been tested analytically and through simplified simulations first, then on realistic mobility data, and finally on real data from a small-scale field test.; Les applications des systèmes de transports intelligents coopératifs (C-ITS) impliquent la disponibilité d'un système de positionnement fiable et précis. Pour les applications C-ITS de deuxième génération plus exigeantes, telles que la conduite autonome ou les avertissements pour les usagers vulnérables de la route, la précision, la fiabilité et la disponibilité du système de positionnement par satellites (GNSS) ne sont pas suffisantes. Ces applications C-ITS de deuxième génération nécessitent une précision de localisation constante et stable à un niveau inférieur au mètre, quelles que soit les conditions d’opération. La Localisation Coopérative (CLOC) permet aux nœuds mobiles de palier à leurs propres faiblesses de localisation en s'entraidant par l’échange des données de localisation (à priori, leurs propres estimations de position ou données GNSS brutes), par l’acquisition d’estimation de distance par leurs liaisons radios respectives, et enfin par la fusion et la consolidation de ces données débouchant sur une estimation précise de leur localisation absolue. Considérant un contexte lié aux réseaux véhiculaires ad hoc (VANET), ce type d’approche (CLoc) n’est pas parfaitement adaptée, en particulier à cause de la mobilité véhiculaire très spécifique, d’une politique de transmission décentralisée et non-régulière de communication véhicules à véhicules (V2V), ainsi que de la complexité d’intégration des mesures principalement non Gaussienne dans un mécanisme de fusion. La question abordée dans cette thèse est donc : ‘une précision de localisation à un niveau inférieur au mètre peut-elle être atteinte par des stratégies de localisation coopérative (Cloc) dans un environnement véhiculaire ?’Dans cette thèse, nous visons à évaluer comment et dans quelles conditions les informations de position des véhicules voisins et/ou les mesures V2V associées peuvent améliorer la précision et la stabilité de localisation. Notre approche suit une stratégie systématique et progressive et nous développons d'abord un schéma-cadre basé sur un mécanisme générique de fusion de données permettant de s'appuyer sur diverses technologies de communications inter-véhiculaires (V2X) ou de capteurs embarqués. Nous appliquons ensuite ce schéma-cadre à une approche V2V sur la technologie ITS-G5 et aux messages coopératifs normalisés de type ‘CAM’. À travers cette première approche, nous montrons qu’il est possible d’améliorer la précision de positionnement à travers l’échange d’informations de position entre véhicules et d’une estimation de leur inter-distance en fonction de la puissance reçue du signal de communication ITS-G5. Afin d’atteindre ces résultats, nous proposons notamment des mécanismes innovants afin de gérer la synchronisation des messages / données (via des prédictions basées sur la mobilité), ainsi qu’afin de réduire la complexité et l'empreinte de communication inter-véhiculaire (p. ex. par sélection des liens / voisins, par une approximation des messages et un contrôle de transmission). Ensuite, nous étendons ce schéma-cadre de manière à intégrer des mesures V2V plus précises basées sur la technologie ‘IR-UWB’, tout en traitant la surestimation de fusion et des problèmes de propagation d'erreur typiques des systèmes de fusion. Enfin, dans des conditions difficiles impliquant des voisins dépourvus de système ou de signal GNSS (p. ex dans des tunnels), nous avons étendu notre schéma-cadre à l'assistance de capteurs embarqués, tels qu’une centrale inertielle, des capteurs de vitesse de roue, ou des détecteurs de voie, ainsi qu’à intégration d’unités de bord de route via des communications V2X. Le cadre et la méthodologie proposés montrent une augmentation systématique de la précision de localisation de 2 m à moins de 30 cm dans 80% des cas. Le schéma-cadre proposé a été testé analytiquement par des simulations simplifiées, puis sur des données de mobilité réalistes, et finalement sur des données réelles issues d'un test de terrain à faible échelle.

Cooperative Intelligent Transport System (C-ITS) applications assume the availability of a reliable and accurate positioning system. Even if suitable to most Day-1 applications (e.g. route navigation), the Global Navigation Satellite System (GNSS) accuracy, reliability and availability are clearly not sufficient for more demanding Day-2 applications (e.g., highly autonomous driving, advanced safety services including vulnerable road users warning, etc.), which would require a consistent sub-meter localization accuracy regardless of operating conditions. To bridge this gap, Cooperative Localization (CLoc) has been recently identified as a promising strategy. Accordingly, mobile nodes can help each other by exchanging location data (typically, their own position estimates or raw GNSS data), acquiring range-dependent metrics over their respective radio links and finally, fusing the various sources of information. However, conventional CLoc solutions may be partly unsuitable within the context of vehicular ad hoc networks (VANETs), which comes along with unprecedented challenges such as specific mobility patterns, practical operating trade-offs with complexity and vehicle-to-vehicle (V2V) communication capabilities, or even fusion optimality when multiple measurement modalities are available at the vehicles. Thus, one central related research question is as follows: Can the Day-2 sub-meter localization accuracy be met through CLoc strategies between connected vehicles?"In this thesis, following a gradually complex approach, we aim at evaluating how and in which conditions position information from neighboring vehicles and/or associated V2V measurements may improve localization accuracy and resilience. We first develop a generic fusion-based CLoc framework, which can rely on various vehicle-to-everything (V2X) and embedded sensor technologies. We then apply this framework to the standard ITS-G5 Cooperative Awareness Messages (CAMs), and show that it is possible to benefit from neighboring position information and from received signal strength-based range estimates to enhance local accuracy. On this occasion, we also make concrete proposals to handle messages/data synchronism (through mobility-based predictions), as well as to reduce both complexity and V2V communication footprint (through links/neighbors selection, messages approximation and transmission control). Next, we extend this framework to integrate more accurate V2V measurements based on the impulse radio ultra-wide bandwidth (IR-UWB) technology, while dealing with fusion filter overconfidence and error propagation issues. Finally, under even more challenging conditions with GNSS depraved neighbors or in tunnel conditions, we considered the assistance of extra onboard sensors (inertial unit, wheel speed sensor, camera-based lane detector, etc.), as well as static roadside units (RSUs). The proposed framework and methodology show to typically improve the localization accuracy from 2 m to below 30 cm in 80% of the cases. The proposed framework has been tested analytically and through simplified simulations first, then on realistic mobility data, and finally on real data from a small-scale field test., Les applications des systèmes de transports intelligents coopératifs (C-ITS) impliquent la disponibilité d'un système de positionnement fiable et précis. Pour les applications C-ITS de deuxième génération plus exigeantes, telles que la conduite autonome ou les avertissements pour les usagers vulnérables de la route, la précision, la fiabilité et la disponibilité du système de positionnement par satellites (GNSS) ne sont pas suffisantes. Ces applications C-ITS de deuxième génération nécessitent une précision de localisation constante et stable à un niveau inférieur au mètre, quelles que soit les conditions d’opération. La Localisation Coopérative (CLOC) permet aux nœuds mobiles de palier à leurs propres faiblesses de localisation en s'entraidant par l’échange des données de localisation (à priori, leurs propres estimations de position ou données GNSS brutes), par l’acquisition d’estimation de distance par leurs liaisons radios respectives, et enfin par la fusion et la consolidation de ces données débouchant sur une estimation précise de leur localisation absolue. Considérant un contexte lié aux réseaux véhiculaires ad hoc (VANET), ce type d’approche (CLoc) n’est pas parfaitement adaptée, en particulier à cause de la mobilité véhiculaire très spécifique, d’une politique de transmission décentralisée et non-régulière de communication véhicules à véhicules (V2V), ainsi que de la complexité d’intégration des mesures principalement non Gaussienne dans un mécanisme de fusion. La question abordée dans cette thèse est donc : ‘une précision de localisation à un niveau inférieur au mètre peut-elle être atteinte par des stratégies de localisation coopérative (Cloc) dans un environnement véhiculaire ?’Dans cette thèse, nous visons à évaluer comment et dans quelles conditions les informations de position des véhicules voisins et/ou les mesures V2V associées peuvent améliorer la précision et la stabilité de localisation. Notre approche suit une stratégie systématique et progressive et nous développons d'abord un schéma-cadre basé sur un mécanisme générique de fusion de données permettant de s'appuyer sur diverses technologies de communications inter-véhiculaires (V2X) ou de capteurs embarqués. Nous appliquons ensuite ce schéma-cadre à une approche V2V sur la technologie ITS-G5 et aux messages coopératifs normalisés de type ‘CAM’. À travers cette première approche, nous montrons qu’il est possible d’améliorer la précision de positionnement à travers l’échange d’informations de position entre véhicules et d’une estimation de leur inter-distance en fonction de la puissance reçue du signal de communication ITS-G5. Afin d’atteindre ces résultats, nous proposons notamment des mécanismes innovants afin de gérer la synchronisation des messages / données (via des prédictions basées sur la mobilité), ainsi qu’afin de réduire la complexité et l'empreinte de communication inter-véhiculaire (p. ex. par sélection des liens / voisins, par une approximation des messages et un contrôle de transmission). Ensuite, nous étendons ce schéma-cadre de manière à intégrer des mesures V2V plus précises basées sur la technologie ‘IR-UWB’, tout en traitant la surestimation de fusion et des problèmes de propagation d'erreur typiques des systèmes de fusion. Enfin, dans des conditions difficiles impliquant des voisins dépourvus de système ou de signal GNSS (p. ex dans des tunnels), nous avons étendu notre schéma-cadre à l'assistance de capteurs embarqués, tels qu’une centrale inertielle, des capteurs de vitesse de roue, ou des détecteurs de voie, ainsi qu’à intégration d’unités de bord de route via des communications V2X. Le cadre et la méthodologie proposés montrent une augmentation systématique de la précision de localisation de 2 m à moins de 30 cm dans 80% des cas. Le schéma-cadre proposé a été testé analytiquement par des simulations simplifiées, puis sur des données de mobilité réalistes, et finalement sur des données réelles issues d'un test de terrain à faible échelle.