L’article propose un système d’assistance à la conduite (ADAS) capable de détecter les sorties de voie à partir de l’estimation de la courbure de la route.
Il repose sur un observateur flou de Takagi–Sugeno robuste conçu pour reconstruire les états latéraux du véhicule et estimer la courbure en présence d’incertitudes et d’entrées inconnues.
Le système combine une caméra unique, les mesures de vitesse et la dynamique latérale du véhicule issue du modèle bicycle, avec validation sous CarSim.

Méthodologie

1. Modélisation

   • Modèle non linéaire de la dynamique latérale du véhicule (bicycle model) incluant les forces de dérive (Pacejka).
   • Linéarisation floue selon la méthode Takagi–Sugeno (T–S) avec deux ensembles flous (|αf| petit/grand).
   • Intégration d’un capteur vision fournissant le déplacement latéral anticipé (y_s) et le cap angulaire relatif (Δψ).

2. Observateur robuste

   • Le système est formulé avec entrée inconnue = courbure de la route w(t).
   • L’observateur reconstruit les états [β, ψ̇, y_s, Δψ] via un filtre flou robuste : [ \dot{\hat{x}} = \sum_i \mu_i(|\hat{\alpha}_f|)(A_i \hat{x} + B_i δ_f + L_i(y - \hat{y})) + η(t) ]
   • Conditions de synthèse exprimées en inégalités matricielles linéaires (LMI) pour garantir la stabilité et la robustesse vis-à-vis des incertitudes paramétriques.
   • Résolution par approche H∞ (L₂-gain) pour minimiser l’effet des entrées inconnues.

3. Indicateurs de risque

   • Premier indicateur r₁ : différence entre la courbure estimée ŵ (route) et la courbure de trajectoire w_v (véhicule).
   • Deuxième indicateur r₂ : ratio basé sur la dynamique de direction (δ̇f) et le temps de maintien dans la voie (TLK), pour réduire les fausses alertes.
   • L’alerte est déclenchée si r₁ > rThres1 et r₂ < 1 s.

Validation et résultats

• Simulations réalisées avec CarSim + MATLAB/Simulink :
  • Test 1 : manœuvre en “fishhook” → bon suivi des états latéraux (β, ψ̇, y_s).
  • Test 2 : piste en “8” → détection de sortie de voie anticipée (~2 s avant dérive réelle).
• L’observateur reste stable malgré des incertitudes de ±10 % sur les matrices du modèle.
• Taux de fausse alarme significativement réduit grâce à la prise en compte de la dynamique de direction.

Points forts

• Fusion multi-sources (vision + vitesse + inertiel) avec un modèle robuste.
• Conception mathématique rigoureuse (LMI, H∞) adaptée aux implémentations temps réel.
• Anticipation des déviations grâce à la comparaison dynamique route/véhicule.

Limites

• Validation uniquement logicielle (CarSim), sans données réelles.
• Hypothèse de route plane et faible angle de dérapage.
• Pas de fusion explicite GNSS/IMU — système limité à la caméra et à la vitesse.

Intérêt pour RS3 / Telemachus

• Fournit un cadre théorique solide pour la fusion floue robuste entre dynamique latérale et estimation de courbure.
• Applicable à un module ADAS simulé RS3, où κ_route et κ_vehicle peuvent être dérivés du pipeline inertiel.
• Peut enrichir Telemachus “event/ADAS” :

  event_type: lane_departure
  kappa_vehicle: …
  kappa_road: …
  risk_indicator_r1: …
  risk_indicator_r2: …