Optimisation multi-critère pour véhicules autonomes en environnement dynamique Multi-criteria optimization for autonomous vehicles in a dynamic environment Jean-Baptiste Receveur 1 , Pierre Melchior 2 , Stéphane Victor 2 1-2 IMS - UMR 5218 CNRS, Université de Bordeaux/ 2 Bordeaux INP, 351 Cours de la Libération, 33405 Talence CEDEX, France (e-mail : prenom.nom@ims-bordeaux.fr). RÉSUMÉ. Dans les dernières années, la recherche sur les véhicules autonomes a connu un essor sans précédent. De plus, elle vient s’ajouter à un effort permanent des constructeurs pour diminuer la consommation énergétique de leurs véhicules pour qu’ils soient toujours plus économes pour les conducteurs. Cet article traite le sujet de l’optimisation de trajectoire pour un véhicule autonome de type automobile, basée sur des critères de consommation, de temps de trajet ou de confort. L’article se concentre principalement sur les tests de ces critères, et sur la méthode utilisée pour effectuer l’optimisation en combinant algorithme génétique et champs de potentiels. En cherchant des points intermédiaires opti- maux dans le champ de potentiel, et en considérant de façon intelligente le mouvement des obstacles et le volume du véhicule, une trajectoire optimale peut être générée. Dans les deux premières parties de cet article les méthodes utilisées et le problème à résoudre sont décrits, puis quelques tests sur des scénarios réalistes sont effectués. ABSTRACT. In the last few years much effort has been made towards more autonomous vehicles and fuel consump- tion reduction. This article deals with the issue trajectory optimization of unmanned terrestrial vehicles so as to reduce consumption, travel time or to improve comfort. Main focuses are set on testing different criteria and the possibility of using a genetic algorithm to improve the potential field methods. The main idea of this article is that potential field methods could be improved by adding a dynamic target in it. Two improvements are brought to the potential field method : the generation of an optimal path in the environment, and the joint generation an optimal motion. MOTS-CLÉS. Véhicules autonomes, Planification de trajectoire, Champs de potentiel, Trajectoire optimale, Optimisation, Algorithmes génétiques, Dérivée fractionnaire. KEYWORDS. Autonomous vehicles, Path planning, Potential fields, Optimal trajectory, Optimization, Genetic algorithms, Fractional differentiation. Introduction En robotique, la notion de chemin est fréquemment utilisée pour décrire la trajectoire spatiale que suit un robot d’un point à un autre. Dans la plupart des méthodes, la planification du chemin est découplée de celle du mouvement le long de ce chemin. Dans cet article, l’objectif est de planifier une trajectoire - chemin et mouvement le long de ce chemin - de façon couplée, dans un environnement dynamique, et de sorte que le véhicule puisse toujours réagir en cas d’événement imprévu. Le véhicule sera appelé Ego-Véhicule (EGV) pour le distinguer des autres véhicules. En planification de chemin pour les véhicules, de nombreuses études se sont concentrées sur le fait de trouver des chemins courts ou évitant les obstacles (voir [Pruski, 1996], [Latombe, 2012]). Cependant, le caractère énergétique, dépendant surtout du mouvement, est une préoccupation relativement récente (voir [Schouwenaars et al., 2001]), que l’on retrouve dans des études parlant d’éco-conduite (voir [Wang and Cassandras, 2013], [Mensing et al., 2014]) ou de profil de vitesse pour les trains (voir [Wang et al., 2011], [Feng et al., 2014]). Dans ces derniers, la notion de chemin n’est pas nécessaire puisque les rails fixent le chemin. Seul le mouvement est considéré. Le caractère autonome ainsi que les dépenses énergétiques c  2018 ISTE OpenScience – Published by ISTE Ltd. London, UK – openscience.fr Page | 1