Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Du véhicule autonome à l’économie d’énergie

802 views

Published on

Présentation réalisée dans le cadre d'une conférence invitée du cycle SIA au CNAM à Paris. Cette présentation fait le lien entre le développement des véhicules autonomes et l'économie d'énergie.

Published in: Science
  • Be the first to comment

  • Be the first to like this

Du véhicule autonome à l’économie d’énergie

  1. 1. Institut français des sciences et technologies des transports, de l’aménagement et des réseaux www.ifsttar.fr Institut français des sciences et technologies des transports, de l’aménagement et des réseaux Du véhicule autonome à l’économie d’énergie Olivier Orfila (IFSTTAR) Sébastien Glaser (VEDECOM)
  2. 2. Institut français des sciences et technologies des transports, de l’aménagement et des réseaux www.ifsttar.fr Pourquoi autonomie doit rimer avec économie ? • Pression de la régulation • Augmentation de l’autonomie (véhicules électriques) • Les gains sont potentiellement immédiats • Diminution des coûts d’entretien • Les coûts de production sont faibles • La réduction des émissions de particules ICCT, Historical fleet CO2 emissions performance and current or proposed passenger vehicle standards
  3. 3. Institut français des sciences et technologies des transports, de l’aménagement et des réseaux www.ifsttar.fr Comment réduire la consommation d’énergie ? • En optimisant les tâches de conduite : • Navigation : Green routing, ecorouting • Guidage : planification des profils de vitesse • Stabilisation : contrôle optimal
  4. 4. Institut français des sciences et technologies des transports, de l’aménagement et des réseaux www.ifsttar.fr S’inspirer de l’humain : écoconduite • Avantage : • Augmente l’acceptabilité • Inconvénient : • Diminue la réduction potentielle
  5. 5. Institut français des sciences et technologies des transports, de l’aménagement et des réseaux www.ifsttar.fr Une vulgarisation de l’écoconduite Peu d’énergie atteint la roue et les conducteurs la gaspille ! L’écoconduite = cuisine des restes
  6. 6. Institut français des sciences et technologies des transports, de l’aménagement et des réseaux www.ifsttar.fr L’apparition de l’écoconduite Toyota, Glass of water BMW, economètre
  7. 7. Institut français des sciences et technologies des transports, de l’aménagement et des réseaux www.ifsttar.fr Questions de recherche • Les règles d’or de l’écoconduite, prises une à une, permettent-t-elles : • de réduire la consommation du véhicule concerné ? • de réduire la pollution émise par le véhicule concerné ? • d’améliorer la sécurité du véhicule concerné ? • de réduire les congestions ? • d’augmenter le confort de conduite ? • de diminuer les nuisances sonores ? • Et à l’échelle d’un réseau complet ? • L’efficacité de l’écoconduite dépend-elle du type de véhicule, d’infrastructure ? • Comment pratique-t-on l’éconduite selon les différentes tâches de conduite ? • Les assistances à la conduite sont-elles plus efficaces que les formations ? • Qu’est-ce que l’écoconduite ? • Peut-on définir l’écoconduite à partir de règles de conduite ? • La maintenance fait-elle partie de l’écoconduite ? • S’agit-il d’un processus d’optimisation inconsciente ? • Comment la différencier d’autres styles de conduite ? • Est-t-il possible de modéliser l’écoconduite ? • Comment apprendre l’écoconduite à des conducteurs novices ? • Comment modifier le comportement de conducteurs expérimentés ? • Comment conserver ces comportements dans le temps ? • Quels sont les déterminants de la conduite favorisant ou pénalisant la pratique de l’écoconduite ? • Peut-on automatiser l’écoconduite ?
  8. 8. Institut français des sciences et technologies des transports, de l’aménagement et des réseaux www.ifsttar.fr Cycle de recherche Observation Recueil de données Définition Modélisation Automatisation - aide à l’écoconduite Données, Analyses Concepts Modèles Mesures d’impact Optimisation multi objectifs Psychologie Automatique Ludification « serious game » Big data Etudes en conditions naturelles Véhicules traceurs Automatisation -Systèmes d’aides à l’écoconduite
  9. 9. Institut français des sciences et technologies des transports, de l’aménagement et des réseaux www.ifsttar.fr OBSERVATION DE L’ECOCONDUITE Etape 1
  10. 10. Institut français des sciences et technologies des transports, de l’aménagement et des réseaux www.ifsttar.fr Efficacité de l’écoconduite Wengraf I.: Easy on The Gas, The effeciteveness of ecodriving, RAC Foundation, London, 2012, pp.16-17 Expérimental : 20 semaines avant et après formation à l’écoconduite (selon les règles d’or) Isuzu Motors: Fuel economy challenge: Un trajet avant et après formation
  11. 11. Institut français des sciences et technologies des transports, de l’aménagement et des réseaux www.ifsttar.fr Evaluation de l’écoconduite 2009 : Etude de mise en œuvre de l’écoconduite en milieu rural : • Mesure de la consommation et des conditions de conduite sur 2 trajets (normal et écoconduit, 20 sujets) • Construction d’un « éco-index » • Comportements de changements de rapports de boîte 2010-2013 : Liens entre écoconduite et ADAS (SERRES) • Analyse des données LAVIA et GERICO • Lien entre consommation et infrastructure 2013 : Ecoconduite et sécurité en milieu urbain (DGITM, avec LPC) • Détection d’incidents • Gestion des usagers vulnérables 2014 : Expérience ecoDriver (Syst. intégré vs. Syst. Android) • Saint Pierre G., Ehrlich J. (2008), « Impact of Intelligent Speed Adaptation systems on fuel consumption and driver behaviour », 15th World Congress on Intelligent Transport Systems, New York. • Saint Pierre G., Andrieu C. (2010). «Caractérisation de l’éco-conduite et construction d’un indicateur dynamique pour véhicules thermiques ». PRAC. • Saint Pierre G. (2011), « Le système LAVIA et la consommation de carburant : méthodes exploratoires pour données de conduite en situation naturelle », collection "études et recherches du laboratoire des ponts et chaussées", CR54, 120 pages. • Andrieu C., Saint Pierre G. (2012), « Using statistical models to characterize eco-driving style with an aggregated indicator », Intelligent Vehicles Symposium 2012, June 3-7, 2012, Alcalá de Henares, Spain. • Andrieu C., Saint Pierre G. (2012), « Comparing effects of ecodriving training and simple advices on driving behavior », EWGT, Paris. • Romon S., Saint Pierre G., Khoudour L. (2014), « Fuel consumption and speed profiles comparisons according to infrastructure using probe vehicle data », Poster au Transport Research Arena 2014, Paris, La Défense.
  12. 12. Institut français des sciences et technologies des transports, de l’aménagement et des réseaux www.ifsttar.fr Impact de l’écoconduite Consommation de carburant dans un trafic urbain congestionné • Impact de l’écoconduite sur un réseau global en fonction du pourcentage d’écoconducteurs • Simulation de trafic sous AIMSUN (Modèle poursuite de Gipps, modèle de consommation d’Alçelik) • O. Orfila, 2011, Impact of the penetration rate of ecodriver on traffic and fuel consumption, YR2011, Copenhaguen Consommation de carburant dans un trafic interurbain proche de la saturation
  13. 13. Institut français des sciences et technologies des transports, de l’aménagement et des réseaux www.ifsttar.fr DEFINITION DE L’ECOCONDUITE Etape 2
  14. 14. Institut français des sciences et technologies des transports, de l’aménagement et des réseaux www.ifsttar.fr Définition de l’écoconduite « L’écoconduite est une stratégie permettant de réduire la consommation de carburant en suivant plusieurs conseils. ex : ne pas accélérer trop fort, réduire sa vitesse, maintenir un régime moteur faible, anticiper le trafic. » M. Barth, K. Boriboonsomsin, 2009. Energy and emissions impacts of a freeway-based dynamic eco-driving system « L’écoconduite ne doit pas être confondue avec l’hypermiling qui néglige la sécurité au profit de la consommation alors que l’écoconduite ne fait pas de compromis » J. N. Barkenbus, 2010. Eco- driving: An overlooked climate change initiative « L’écoconduite a pour but de suivre un véhicule en toute sécurité d’une manière qui permet de réduire la consommation de carburant sur le long terme » M.A.S. Kamal, M. Mukai, J. Murata and T. Kawabe, 2010. On board eco-driving system for varying road-traffic environments using model predictive control
  15. 15. Institut français des sciences et technologies des transports, de l’aménagement et des réseaux www.ifsttar.fr Définition de l’écoconduite : proposition • L’écoconduite est, à chaque instant, une optimisation multicritère (consommation d’énergie, confort, temps de parcours,…) des différentes tâches de conduite (navigation, guidage, stabilisation) sous contraintes de sécurité.
  16. 16. Institut français des sciences et technologies des transports, de l’aménagement et des réseaux www.ifsttar.fr MODÉLISATION DE L’ECOCONDUITE Etape 3
  17. 17. Institut français des sciences et technologies des transports, de l’aménagement et des réseaux www.ifsttar.fr Modélisation de l’écoconduite • Optimisation du profil de vitesse et du rapport de boîte avec critère de consommation, de temps de parcours et de confort • H. T. Luu, 2011, Développement de méthodes de réduction de la consommation en carburant d’un véhicule dans un contexte de sécurité et de confort : un compromis entre économie et écologie. Thèse de doctorat, Université d’Evry • Olivier Orfila, Guillaume Saint Pierre, Cindie Andrieu. (2012) « Gear Shifting Behavior Model for Ecodriving Simulations Based on Experimental Data » In EWGT, Paris. • Ant Colony Optimization (ecoDriver) pour calcul temps réel Vitesse(km/h) Distance (m) Couple (Nm) δ ωmax2
  18. 18. Institut français des sciences et technologies des transports, de l’aménagement et des réseaux www.ifsttar.fr AIDE À L’ECOCONDUITE Etape 4
  19. 19. Institut français des sciences et technologies des transports, de l’aménagement et des réseaux www.ifsttar.fr Aide à l’écoconduite • Aide informative • Thèse H. T. Luu, 2011 • Smartphone, ludification ecoDriver • Automatisée • Projet FP7 eFuture, sur véhicule électrique Smart and Green ACC ddriver Tdriver V d Vi g SAGA Mode Target Speed Target Acc. ErrorFlag Accuracy Dyn. Limit Func. Limit 70 Vdriver eHorizon •Tu Luu, H.; Nouveliere, L.; Mammar, S.; “Ecological and safe driving assistance system: Design and strategy”, IV 2010. •Nouveliere, L. ; Mammar, S. ; Luu, H.-T. “Energy saving and safe driving assistance system for light vehicles: Experimentation and analysis”, 9th IEEE International Conference on Networking, Sensing and Control (ICNSC), 2012 •Orfila O., Saint Pierre G., Messias M. (2014), « Development of an ecodriving assistance application for nomadic devices performing real-time and post trip coaching for road vehicles », TRA 2014, Paris, La Défense.
  20. 20. Institut français des sciences et technologies des transports, de l’aménagement et des réseaux www.ifsttar.fr Projet eFuture, maximisation de la régénération • Définition d’un domaine de sécurité • Estimation de l’espace de recherche • Calcul de la décélération optimale (qui maximise la régénération)
  21. 21. Institut français des sciences et technologies des transports, de l’aménagement et des réseaux www.ifsttar.fr ecoDriver - Optimisation multiobjectifs • Optimum de Pareto : • Solutions dominantes, solutions dominées • Construction du front de Pareto • Méthodes : recherche opérationnelle, algorithmes évolutionnistes (SPEA2) • Problème principal : détermination des fonctions de coûts Vilfredo Pareto, 1848-1923
  22. 22. Institut français des sciences et technologies des transports, de l’aménagement et des réseaux www.ifsttar.fr Optimisation multiobjectifs : planification de trajectoire • Calcul des profils de vitesse optimaux • Choix d’un profil à partir de poids affectés à chaque objectif Vitesse(km/h) Distance (m) Couple(Nm)
  23. 23. Institut français des sciences et technologies des transports, de l’aménagement et des réseaux www.ifsttar.fr Ecoconduite automatisée, quel potentiel ? • Le véhicule autonome ne dominera pas l’humain au sens de Pareto. • Les gains potentiels sont importants
  24. 24. Institut français des sciences et technologies des transports, de l’aménagement et des réseaux www.ifsttar.fr Perspectives • Apprendre de l’humain en temps réel • Appliquer les résultats au véhicule électrique VEDECOM (thèse VEDECOM-IFSTTAR-IFPEN, D. Geoffroy) Machine Learning - University of Washington | Coursera

×