Aller au contenu principal
logo
Accueil
ouverture_bib
user_account

User account menu

  • Les bibliothèques du réseau
  • Mon compte
    • Connexion
    • J'active mon compte
    • Je me préinscris
main_menu

Main navigation

  • Catalogue
    • Livres
    • Jeux et jouets
    • Livres numériques
    • Lire autrement
    • Presse et magazines
    • Films et séries
    • Musiques
  • Agenda
  • Dossiers documentaires
  • Patrimoine
  • Offres en ligne
  1. Accueil
  2. Détails
Amélioration des systèmes de communication V2X pour la perception coopérative : sécurité des usagers de la route
Zoghlami, Chaima
Thèse
Enhancing V2X communication systems for cooperative perception : road users safety
Résumé This thesis presents an in-depth investigation into cooperative safety systems in the context of smart cities and intelligent transportation systems. The research aims to enhance network performance through the use of network-assisted cooperative safety, considering the constraints of VRU protection applications. It addresses challenges in improving VRU safety and explores innovative approaches by leveraging a wide range of available data, capabilities of connected and autonomous vehicles, and advanced intelligent infrastructures. The initial phase involves a comprehensive review of existing communication standards and recent research projects incorporating VRU safety use cases, providing insights into the current state of the field and identifying gaps and opportunities for exploration. We used prediction with SDN to dynamically collect awareness messages for VRU collision avoidance and improve localization accuracy while efficiently managing the signalling overhead. Additionally, we also investigated the importance of adapting the frequency of sending awareness messages, considering the surrounding context information, by giving an enhanced version of the existing standard. Lastly, we present an opportunistic approach for message collection that benefits from the variety of the existing types of cooperative messages by jointly adapting their type, size, and transmission frequency. Cette thèse présente une enquête approfondie sur les systèmes de sécurité coopératifs dans le contexte des villes intelligentes et des systèmes de transport intelligents. La recherche vise à améliorer les performances du réseau grâce à l'utilisation de la sécurité coopérative assistée par le réseau, en tenant compte des contraintes liées aux applications de protection des usagers vulnérables de la route. Elle aborde les défis liés à l'amélioration de la sécurité des usagers vulnérables de la route et explore des approches innovantes en exploitant une large gamme de données disponibles, les capacités des véhicules connectés et autonomes, ainsi que les infrastructures intelligentes avancées. La phase initiale comprend une revue complète des normes de communication existantes et des projets de recherche récents intégrant des cas d'utilisation de sécurité des usagers vulnérables de la route, fournissant ainsi un aperçu de l'état actuel du domaine et identifiant les lacunes et les opportunités à explorer. Nous avons utilisé la prédiction et les réseaux définis par logicielles pour collecter de manière dynamique des messages de sensibilisation afin d'éviter les collisions avec les usagers vulnérables de la route et améliorer la précision de la localisation tout en gérant efficacement la surcharge de signalisation. Nous avons également étudié l'importance de l'adaptation de la fréquence d'envoi des messages de sensibilisation, en tenant compte des informations contextuelles environnantes, en proposant ainsi une version améliorée de standard existant. Enfin, nous exposons une approche opportuniste pour la collecte de messages qui tire parti de la variété des types de messages coopératifs existants en adaptant conjointement leur type, leur taille et leur fréquence de transmission.
Thèse
CCSD
-
2023-10-13
https://theses.hal.science/tel-04344780v1/document
https://theses.hal.science/tel-04344780v1/file/2023TOU30175.pdf
Infos complémentaires
  • Identifiant HAL : 2023TOU30172
  • thesis advisor :
    Riadh Dhaou
    Rahim Kacimi
    ,
    degree committee member :
    Véronique Vèque [Président]
    Valeria Loscri [Rapporteur]
    Razvan Stanica [Rapporteur]
    André-Luc Beylot
    Marie-Pierre Gleizes
    Soufiene Djahel
  • associated name :
    École doctorale Mathématiques, informatique et télécommunications (Toulouse)
  • Langue originale :
    anglais
  • Date de la thèse : 2023-10-13
  • Informations sur la thèse : Domaine : Humanities and Social Sciences/Library and information sciences
  • Institution :
    Réseaux, Mobiles, Embarqués, Sans fil, Satellites
    Temps Réel dans les Réseaux et Systèmes
    Université Toulouse III - Paul Sabatier
    Institut de recherche en informatique de Toulouse
    Université Toulouse Capitole
    Université de Toulouse
    Université Toulouse - Jean Jaurès
    Centre National de la Recherche Scientifique
    Institut National Polytechnique (Toulouse)
    Toulouse Mind & Brain Institut
  • Accès : Distributed under a Creative Commons Attribution 4.0 International License
Sujets
  • Réseaux coopératifs des véhicules connectés
    Usagers vulnérables de la route
    Systèmes de transport intelligents
    Réseau 5G
    Calcul en bordure multi-accès
    Adaptation de la fréquence des messages coopératives
  • Cooperative networks of connected vehicles
    Vulnerable road users
    Intelligent transport systems
    5G network
    Multi-access edge computing
    Cooperative message frequency adaptation

FAQ

Liens FAQ
Quels documents sont nécessaires pour s'inscrire ou se réinscrire à la bibliothèque ?
Combien de documents puis-je emprunter ? Combien de temps ? Et comment les prolonger ?
Les horaires d'ouverture changent-ils pendant les vacances scolaires ?
Combien de temps faut-il arriver avant le début d'une animation ?

Autres informations et mentions légales

Logo Tech'Advantage

Body

Tech'Advantage
Syrtis

532 avenue Napoléon Bonaparte
92500 RUEIL-MALMAISON
01 56 84 02 00
Contact
Body

Informations générales

  • Mentions légales
  • Accessibilité : non conforme
  • Données personnelles
Body

Réseaux sociaux

  • LinkedIn
  • X