Dominique Perron
Architecte logiciel, géomatique et Propriétaire et gestionnaire de produits
Simon Hallé
Chef de projet scientifique
En 2018, en collaboration avec ses partenaires de l’industrie, le gouvernement du Canada et les gouvernements provinciaux de l’Ontario et du Québec, Thales a investi dans le projet ENCQOR 5G afin de participer au développement de la technologie 5G et de soutenir la création d’un réseau de communications 5G au Canada. Cette technologie permettra le transfert sécuritaire à ultra haut débit des données visant à soutenir l’évolution des solutions Thales de transport urbain de calibre mondial, les capacités de connectivité et l’analyse de mégadonnées infonuagiques. Aujourd’hui, un des projets menés par Thales dans ce cadre a pour objectif de tester et démontrer l’analyse de données en temps réel en soutien aux véhicules autonomes, afin notamment de réduire le temps de réponse du véhicule autonome face à des obstacles et ce, même dans les conditions rigoureuses que l’on connait au Canada. Dans un véhicule autonome, chaque senseur collecte des données reliées aux différentes fonctions nécessaires à la conduite. Dans un premier temps, le projet de recherche de Thales s’intéresse aux fonctions de perception telles que : géolocalisation du véhicule, reconnaissance et positionnement d’objets, de véhicules voisins, d’obstacles, suivi de la route, etc. L’exécution de toutes ces fonctions en temps réel requiert trop de puissance de calcul pour pouvoir être exécutée sur l’ordinateur disponible à bord du véhicule, autant puissant soit-il. L’équipe souhaite donc tester de façon itérative la possibilité de décharger certaines fonctions de calcul en périphérie de réseau (« edge computing ») et même à l’infonuage (« cloud »).
Pour ce faire, la première phase du projet est une évaluation des fonctions que le calcul en périphérie de réseau pourrait prendre en charge selon la donnée (volume, fréquence) et le temps de calcul requis, à l’aide d’informations théoriques telles que la simulation. À ce jour, les résultats de ces travaux se sont montrés très prometteurs. En utilisant des données sur la vitesse de transmission et la latence, collectées au moyen d’un téléphone 5G, l’équipe de recherche a pu valider les performances réelles de la technologie et entrainer des modèles d’intelligence artificielle. Aussi, l’équipe de chercheurs a pu exploiter les données collectées afin de générer de nouveaux cas et élargir l’ensemble de données (« dataset ») de tests de façon synthétique. Grâce à ce travail de modélisation d’environnements fictifs et de prédiction « what-if », l’équipe est capable d’obtenir des prédictions sur les performances du véhicule connecté 5G dans des contextes non capturés (météo, trafic, obstacles, pannes, etc.) afin d’évaluer les performances et la sécurité du véhicule dans de telles situations. Ces résultats seront validés à travers le réseau 5G en intégrant des senseurs typiquement nécessaires à la conduite d’un véhicule autonome (caméras, GPS, IMU, LIDAR, etc.) et en utilisant des services de localisation à partir d’une image permettant de confirmer la position GPS. Les prochaines phases de la recherche aborderont des démonstrations dans un cadre « collaboratif » en permettant aux algorithmes qui ont été développés d’utiliser des données provenant d’autres véhicules, de l’infrastructure routière, ou des services infonuagiques.
