For a decade, researchers have focused on the development and deployment of road automated mobility. In the development of autonomous driving embedded systems, several stages are required. The first one deals with the perception layers. The second one is dedicated to the risk assessment, the decision and strategy layers and the optimal trajectory planning. The last stage addresses the vehicle control/command. This paper proposes an efficient solution to the second stage and improves a virtual Cooperative Pilot (Co-Pilot) already proposed in 2012. This paper thus introduces a trajectory planning algorithm for automated vehicles (AV), specifically designed for emergency situations and based on the Autonomous Decision-Support Framework (ADSF) of the EU project Trustonomy. This algorithm is an extended version of Elastic Band (EB) with no fixed final position. A set of trajectory nodes is iteratively deduced from obstacles and constraints, thus providing flexibility, fast computation, and physical realism. After introducing the project framework for risk management and the general concept of ADSF, the emergency algorithm is presented and tested under Matlab software. Finally, the Decision-Support framework is implemented under RTMaps software and demonstrated within Pro-SiVIC, a realistic 3D simulation environment. Both the previous virtual Co-Pilot and the new emergency algorithm are combined and used in a near-accident situation and shown in different risky scenarios.

For a decade, a lot of researches have focused on the development and the deployment of automated mobility services and means for road networks (urban, suburb, rural, highway). In the development of autonomous driving embedded systems, several stages are needed. The first one concerns the perception layers. The second one is dedicated to the risk assessment, the decision and strategy layers and the optimal path planning. The last one addresses the control/command parts. Based on the Autonomous Decision-Support Framework (ADSF) of the EU project Trustonomy, this paper proposes a risk assessment and decision-making framework to the second stage and improves an existing virtual co-pilot by combining a new emergency mode and corresponding trajectory planning algorithm. After introducing the project framework for risk management and the general co-pilot concept developed in the University Gustave Eiffel, the Decision-Support framework, implemented in RTMaps platform, is demonstrated within a realistic 3D simulation environment called Pro-SiVIC. Both the previous virtual copilot and the new emergency algorithm are combined and a switching strategy between the different modes is tested in a near-accident situation.

Lorsque la densité de véhicules devient trop élevée, le trafic autoroutier est instable, et génère naturellement des accordéons, c'est-à-dire une alternance entre des zones fluides et des zones congestionnées. Ce phénomène n'est pas reproduit par les modèles de trafic standards d'ordre 1, mais peut l'être par des modèles d'ordre supérieurs, aussi bien microscopiques (modèles de loi de poursuite) que macroscopiques (systèmes de lois de conservation).Cette thèse analyse comment différents modèles représentent des états de trafic instables, et les oscillations qui en résultent. Au niveau microscopique, à cause de la concavité du flux, le débit moyen de ces oscillations est inférieur au débit d'équilibre pour une densité équivalente. Un algorithme est proposé pour stabiliser le flux par multi-anticipation, en utilisant un véhicule autonome intelligent.Au niveau macroscopique, cette thèse introduit les modèles moyennés, en partant du principe que l'échelle spatio-temporelle des oscillations est trop petite pour être correctement prédite par une simulation. Le modèle LWR moyenné, composé de deux lois de conservations, permet de représenter au niveau macroscopique la variance de la densité d'un trafic hétérogène, et calcule correctement le débit moyen de ces états. Une comparaison avec le modèle ARZ, également d'ordre 2, montre que le modèle moyenné permet de simuler une chute de capacité de façon plus réaliste.Enfin, cette thèse présente le projet SimulaClaire, de prédiction en temps réel du trafic sur le périphérique toulousain, et en particulier l'algorithme parallélisé d'optimisation en temps réel des paramètres développé pour ce projet