Le 24 juin 2026, le Forum mondial de l’ONU pour l’harmonisation des règlements sur les véhicules (WP.29) a adopté, pour la première fois, une base réglementaire commune pour les véhicules routiers automatisés. Elle repose sur la méthode NATM (New Assessment / Test Method), développée depuis 2019 : une démonstration de la sécurité fondée sur cinq piliers (simulation, essais sur piste, essais en conditions réelles, audit des processus du constructeur, suivi en service), combinée à un catalogue de scénarios représentatifs.

Le CEESAR travaille depuis 2015 à la constitution de tels catalogues de scénarios : en soutenant VEDECOM pour le projet MOOVE d’abord (observations à grande échelle sur voies à chaussées séparées), puis l’IRT SystemX dans le projet SVA (scénarios d’accidents). Ces deux projets ont posé les fondations de la plateforme ADSCENE des constructeurs Stellantis et Renault.

Aujourd’hui, le projet européen SYNERGIES vise à construire un référentiel commun de scénarios à l’échelle du continent. Il repose sur deux approches complémentaires : d’une part, la fédération de l’ensemble des bases de données européennes de scénarios existantes via un « espace de données » unifié ; d’autre part, la création d’un ensemble d’outils interopérables pour collecter des données, les consolider et les synthétiser sous forme de scénarios. La vision présentée par le projet est que toute personne connectée à une plateforme en ligne pourra utiliser un outil de requêtage unifié pour accéder aux scénarios adaptés à ses besoins, mais pourra également, dans une place de marché (« marketplace »), télécharger ou acquérir des outils respectant des interfaces techniques standardisées pour créer ses propres scénarios.

Parmi les standards techniques développés par le projet, le format Omega-Prime définit la manière dont les données résultant d’observations ou de simulation du trafic peuvent être stockées et partagées. Ce format repose lui-même sur des standards établis par l’association ASAM : ASAM OpenDRIVE et ASAM Open Simulation Interface. Leur combinaison constitue une description au juste nécessaire de l’infrastructure (géométrie et topologie) et des trajectoires, agnostique aussi bien du mode de production des données (roulages, prises de vues par drone ou en bord de voie, reconstructions d’accident, simulations…) que de l’usage qui en sera fait : le format décrit les choses telles qu’elles sont, sans interprétation.

Le CEESAR développe une chaîne outillée permettant la production de données au format Omega-Prime à partir d’observations faites depuis un véhicule en déplacement en milieu urbain. Nous en présentons ici succinctement les différents composants.

WIBI

WIBI, pour « Wheeled Intelligence for Behavior Insight », est la plateforme mobile utilisée pour la collecte de données. Montée sur le toit d’un véhicule, elle comporte l’ensemble des capteurs nécessaires :

• 4 lidars à 128 faisceaux (des télémètres laser rotatifs qui restituent l’environnement en 3D sous forme de nuages de points),
• 2 récepteurs de géolocalisation par satellite,
• 1 centrale inertielle,
• 1 caméra sphérique.

Dispositif « WIBI »

Il s’agit aussi bien d’un dispositif de cartographie mobile, permettant de numériser l’infrastructure en 3D, que d’un outil d’observation dynamique des comportements des usagers entourant le véhicule de collecte.

Chaîne de prétraitement des données

La préparation initiale des données comprend de nombreuses étapes : décodage des données binaires brutes, synchronisation des flux, correction des distorsions (calibration intrinsèque de chaque capteur et redressement des déformations liées au mouvement combiné du lidar rotatif et du véhicule), reprojection dans un référentiel commun (calibration extrinsèque). S’y ajoutent la consolidation des données de géolocalisation avec les données inertielles (navigation à l’estime, « dead reckoning ») et des corrections différentielles ; le filtrage, la fusion des différents flux… Autant d’étapes qui permettent de transformer des fichiers bruts en un ensemble de mesures physiques alignées aussi bien temporellement que spatialement.

Flux de production « cartographie »

Le travail de cartographie vise à créer deux cartes parfaitement alignées de la zone de collecte de données :

• un nuage de points en 3D issu des données lidar consolidées, qui servira à localiser précisément le véhicule lors des campagnes de collecte ultérieures ;
• une carte dite « sémantique », qui inclut aussi bien la géométrie de l’infrastructure routière que sa « structure », son « sens » : quelle voie de circulation précède telle autre voie, quelle voie de circulation est concernée par tel feu tricolore ou tel panneau… Cette carte correspond à la partie OpenDRIVE du format Omega-Prime.

3 couches parfaitement alignées : le nuage de points 3D, la carte sémantique, les trajectoires des usagers de la route

Le nuage de points est créé en consolidant et en géoréférençant les données lidar grâce aux données inertielles et de géolocalisation, après élimination des objets mobiles (segmentation) et en compensant les dérives des capteurs par le réalignement des nuages de points sur eux-mêmes lors d’une « fermeture de boucle » (second passage au même endroit). Le nuage de points est ensuite parfaitement recalé sur des relevés de géomètres et des photographies aériennes très haute résolution en libre accès.

La carte sémantique, quant à elle, est créée manuellement avec le logiciel dédié RoadRunner de MathWorks, sur la base de données préalablement fusionnées : relevés de géomètres, photographies aériennes très haute résolution, mais aussi nos propres relevés lidar préalablement consolidés.

Flux de production « observation des comportements »

La première étape est de localiser précisément le véhicule de collecte dans son environnement. La géolocalisation consolidée fournit en effet une base solide, mais insuffisamment robuste en milieu urbain, en raison des masquages (signaux bloqués par les bâtiments) et des réflexions multiples des ondes satellites sur les immeubles, les viaducs… La localisation est donc consolidée en corrélant à chaque instant le nuage de points perçu par le lidar avec le nuage de points statique préalablement consolidé et géoréférencé.

Il s’agit ensuite d’identifier les objets mobiles, mais aussi l’état des feux tricolores, au moyen d’algorithmes d’intelligence artificielle.

Enfin, des algorithmes de suivi (« tracking ») permettent de consolider les observations faites au cours du temps, pour obtenir les trajectoires de l’ensemble des objets mobiles.

Nuage de points et usagers de la route labellisés. Place Stalingrad, Paris.

Les données peuvent ensuite être validées et corrigées manuellement, afin d’aboutir à une vérité terrain robuste.

Dans un prochain article, nous évoquerons la manière dont les données Omega-Prime peuvent ensuite être modélisées sous la forme de scénarios, au moyen d’outils également développés au CEESAR.