Composants IA pour le pelotonnage de véhicules sur la voie publique

Les objectifs de l'automatisation des camions sont les économies d'énergie et l'amélioration de la capacité de transport par peloton, et éventuellement la réduction possible des coûts de personnel grâce à l'exploitation sans pilote des véhicules suivants. Dans une variante de ce concept, des pelotons de voitures particulières suivent un camion de façon autonome.

Trains de véhicules roulant très près les uns des autres à vitesse quasi égale (pelotons) sur la voie publique, en particulier pelotons de camions sur les autoroutes.

Un développement majeur dans la recherche sur les systèmes de transport intelligents (ITS) est le régulateur de vitesse adaptatif coopératif (CACC). Il fait passer le régulateur de vitesse adaptatif (ACC) au niveau supérieur en ajoutant une communication directe entre les véhicules. La communication directe d'informations d'état précises permet aux véhicules de rouler beaucoup plus près les uns des autres sans compromettre la sécurité. C'est la base du pelotonnage : des trains de véhicules qui roulent très près les uns des autres à une vitesse presque égale. Par CACC, les pelotons deviennent stables en chaîne : les changements d'accélération ou de décélération sont réduits par les véhicules suivants au lieu d'être amplifiés. Cette propriété devrait grandement améliorer le débit des véhicules sur les autoroutes, car c'est précisément l'amplification des accélérations et des décélérations qui provoque de nombreux embouteillages. La recherche et le développement sur les pelotons de camions sont motivés en partie par les économies de carburant potentielles et l'attente d'un retour sur investissement attractif. Les implémentations de platooning sont des systèmes cyber-physiques complexes [22]. Dans le transport de marchandises, par exemple, une architecture système typique se compose de la couche flotte, de la couche coopération et de la couche véhicule. Les composants d'IA sont déjà utilisés sur la couche véhicule (ex. maintien de voie), les futurs produits sont susceptibles d'intégrer des solutions d'IA sur plusieurs niveaux fonctionnels et toutes les couches système. Le maintien de voie est une technologie d'intelligence artificielle établie dans l'industrie automobile [25]. Voici quelques exemples d'autres composants d'IA potentiels dans les systèmes de peloton : prédiction du comportement du trafic environnant [23] ; contrôleurs pour les stratégies de peloton ([20], [22]); reconnaissance de la surface de la route [21] ; évaluation de l'état du conducteur ([26], [30]) ; régions de contrôle et de sécurité sûres [24].