Les principaux manufacturiers des voitures autonomes

Les principaux manufacturiers des voitures autonomes

Tesla occupe une grande position dans le marché des voitures autonomes. Elle a commercialisé en octobre 2015 une voiture autonome de niveau 2. Le pilote automatique de cette voiture exploite les données fournies par des caméras externes, des capteurs et des algorithmes de calcul puissants, qui ont permis une conduite automatique sur des routes plus complexes. Le géant allemand BMW ont poursuivi ses recherches, en collaboration avec Intel, afin de développer des technologique d’autonomie de niveau 3, pour la commercialisation de véhicules autonomes en 2018 [8]. Le représentant de la société ICT, Google, a participé activement à la production de voitures autonomes et a donné de nouvelles normes aux idées de développement de voitures autonomes. En 2014, Google a lancé Waymo, un nouveau prototype de voiture autonome sans pédale, qui utilise le système LIDAR pour créer une image 3D de son environnement et d’un niveau d’autonomie égale à 3 [9, 10]. La course au développement des voitures autonomes s’étend aux manufacturiers Coréens, principalement Hyundai automobile et Kia automobile. Pour Hyundai, des nouvelles fonctions de gestion autonome intégrées basées sur le système vocal, un service de recherche d’automatique de stationnement, et un service d’appel d’urgence, seront commercialisées à partir de 2020. Kia automobile a lancé la marque « Drive Wise » qui est un système d’assistance au conducteur au niveau 3 avec des fonctionnalités al1ant du contrôle actif au freinage d’urgence. Par conséquent, cette voiture autonome pourrait s’auto-garer de façon autonome et se conduire elle-même sur la vOie rapide sans intervention du conducteur..

Les véhicules autonomes au marché canadien

L’adoption des véhicules autonomes avec de nombreux progrès technologiques, est inévitable. Bien que le Canada ne soit pas un compétiteur de certains acteurs mondiaux tels que les États-Unis, l’Allemagne ou le Japon dans le domaine des véhicules autonomes, le développement de ces technologies influencera potentiellement le marché du travail. Même si ce dernier sera de plus en plus témoin de changements, de perturbations, de défis et d’opportunités, l’utilisation de cette technologie permettra également de faire évoluer les besoins actuels sur le marché du travail. Par conséquent, alors que certains emplois verront apparaître des besoins, d’autres seront inévitablement en déclin. Le rapport Autonomous vehicles and the future of work in Canada publié par Information And Communications Technology Council indique que l’adoption des véhicules autonomes dans le marché canadien ne provoquera aucune perte d’emplois à grande échelle, mais pourra modifier certaines exigences professionnelles..

En plus, cette technologie améliore l’accessibilité de la mobilité, ainsi que la création des nouveaux emplois de haute qualité et dans l’ensemble de l’économie. En même temps, les besoins croissants de ces nouvelles professions n’auront pas pour effet de faire disparaitre des emplois traditionnels de l’automobile tels que la mécanique, même si les besoins en compétences de ces derniers pourraient changer. Dans ce contexte, les professions liées aux logiciels utilisés dans le domaine des véhicules autonomes augmenteront le besoin d’une main d’oeuvre qualifiée, en même temps que ces industries verront également une croissance positive en conséquence. D’autre part, cette technologie aura un impact sur l’infrastructure des villes canadiennes et nécessitera une refonte afin de fonctionner à leur potentiel optimal. Cette étape est en grande concordance avec la croissance des villes intelligentes et sont intrinsèquement liés.

Les défis de la voiture autonome et son effet sur hl mobilité

Aux États-Unis, un sondage d’opinion, réalisé par l’institut de recherche de l’Université du Michigan, a démontré que près de la moitié des répondants n’étaient toujours pas enthousiastes à l’idée d’accepter une voiture autonome. Ces positions réticentes envers les véhicules autonomes, démontrent qu’ il y a encore des défis à relever. Vu qu’elle ne peut pas distinguer qui est responsable des accidents, l’un des défis les plus importants des véhicules autonomes est l’engagement moral des utilisateurs. Dans la perspective d’un client potentiel, posséder un objet qui peut vous tuer dans certaines situations, est l’une des raisons d’hésiter à l’acheter [12] . En dehors du contexte humain, le défi de la sécurité touche nécessairement la communication véhicule-véhicule dans le cas des véhicules autonomes. Cependant, même de minuscules disfonctionnements dans un véhicule à proximité pourraient avoir un effet grave sur les autres véhicules. Ceci, soulève de même des questionnements sur le niveau et les failles de sécurité qui pourraient causer des problèmes, depuis la collecte illégale de données jusqu’à la perturbation complète des systèmes de transport. De point de vue commercial, l’adoption de véhicules autonomes peut être limitée par leur coût initial élevé. Dans ce contexte, la contribution des gouvernements et des décideurs est importante, à travers des subventions aux acheteurs afin d’accélérer l’adoption des véhicules autonomes ainsi que des incitations accordées aux constructeurs automobiles.

Effet des véhicules autonomes sur la mobilité Bien qu’il existe certains inconvénients, la technologie des véhicules autonomes peut réduire considérablement les externalités négatives existantes de l’utilisation de voitures particulières et créer certains avantages supplémentaires en termes de mobilité. Ces externalités incluent les accidents, la congestion, le bruit, la pollution atmosphérique et les émissions de gaz à effet de serre (GES). Les accidents de la route ont un impact non seulement sur l’individu, mais aussi sur la grande société. Des coûts individuels provenant des dommages matériels, la perte de revenus, la perte de production, les frais médicaux et de réadaptation, la douleur, la souffrance et la perte de qualité de vie. En effet, les accidents de la route sont la principale cause de décès chez les jeunes adultes âgés de 15 à 29 ans et la deuxième cause de décès chez les enfants âgés de 5 à 14 ans [13]. En 2015, le nombre d’accidents de la route au Canada s’élevait à 1 858, soit une hausse de 0,3% par rapport à 2014 (Figure 2.1). Le nombre des accidents entrainants des blessures graves a atteint près de 5 à 6 fois le nombre de décès, pour atteindre 10 280. Le coût total des collisions de la circulation au Canada est estimé à 46,7 milliards de dollars par an. Les impacts environnementaux, tels que les émissions de GES et la pollution de l’air, est l’un des effets les plus importants de la conduite sur laquelle une conduite autonome pourrait être une alternative.

Les émissions de GES sont responsables des coûts liés aux impacts du changement climatique, tandis que la santé humaine est affectée par les polluants atmosphériques résultant de la combustion d’essence et de diesel. La technologie des véhicules autonomes peut jouer un rôle important dans l’amélioration de l’économie de carburant (Figure 2.2). Bien que les progrès en matière d’efficacité des moteurs et de conception des véhicules ont permis de réduire la consommation de carburant, les technologies de niveaux 1, 2 et 3 permettent de réaliser des économies supplémentaires grâce à la conduite automatisée et optimisée, souvent appelée « conduite écologique ». Le contrôle de la vitesse, les accélérations et décélérations contrôlés, et d’autres conditions de conduite optimales sont adaptés grâce à une plus grande automatisation. L’évolution du niveau d’ automatisation des véhicules, notamment l’adoption progressive de technologies de sécurité embarquées (coussins gonflables frontaux modernes en 1984, freins antiblocages en 1985, contrôle électronique de la stabilité en 1995, coussins gonflables latéraux protégeant la tête en 1998 et avertissements de collision avant en 2000), a contribué considérablement à réduire le nombre d’accidents, de blessures et de décès. Cela signifie que les avantages en matière de sécurité dépendront probablement du niveau d’automatisation.

La vision dans la reconnaissance des panneaux de signalisation

Les panneaux de signalisation routière constituent une garantie fiable pour une conduite sûre et pratique et fournissent des instructions et des avertissements pour réguler le comportement du conducteur. En outre les systèmes de détection et de reconnaissance des panneaux de signalisation (Traffic Sign Detection and Recognition: TSDR) sont l’une des principales composantes des systèmes ADAS. Le TSDR a attiré beaucoup d’attention au cours des dernières années et différentes méthodes de reconnaissance des panneaux de signalisation ont été proposées [32-36]. La reconnaissance des panneaux de signalisation est basée sur des concepts de traitement d’image. Par conséquent, ce problème est constitué par les cinq étapes de base de la méthodologie de traitement d’image : Détection, Segmentation, Extraction de caractéristiques, Classification et Traitement en aval. L’étape de détection fournit une image capturée par une caméra. Ensuite, l’étape de segmentation permet d’ isoler la partie requise de cette image. L’étape d’ extraction de caractéristiques constitue la scène qui regroupe les caractéristiques distinctives des différentes classes d’objet dans l’image. Au stade de la classification », l’affectation des données segmentées à l’une des classes connues est effectuée en fonction des caractéristiques extraites, où elle attribue l’image segmentée à un objet.

Finalement, l’étape de traitement permet d’identifier les images dans des situations de conduites réelles et transmet des alertes pertinentes aux conducteur. Pour un système TSDR, ces cinq étapes peuvent être considérées en trois étapes principales: Détection et Identification des panneaux de signalisation. Cependant et malgré leur importante évolution au cours des dernières décennies, les algorithmes de détection et de reconnaissance du trafic font face à nombreux défis. Les conditions environnementales représentent un grand défi à la réussite des TSDRs. Aussi incontrôlables qu’ils varient toujours en fonction de l’éclairage, la luminosité et les conditions météorologiques, ils ont une incidence directe sur la qualité de détection et sur les résultats du système TSDR. De plus, l’ utilisation d’une caméra de bord peut influencer la qualité de détection à cause de l’état de certaines routes et des vibrations engendrées, qui affecteront la qualité de l’image capturée. La détermination de l’objet d’intérêt, tel qu’un panneau de signalisation, dans une scène très variable, fait souvent face à de nombreuses problématiques. L’emplacement des panneaux, les barrières sur la route, les panneaux publicitaires, la dégradation des panneaux et d’autres, peuvent présenter des difficultés pour les systèmes lors de la détermination de l’emplacement des panneaux cibles. D’autre part, la classification et la détermination du contenu d’un panneau demeure un défi incontournable et particulièrement lorsque certains panneaux suivent les mêmes schémas mais utilisent des textes différents (panneaux de limitation de vitesse)..