Resilient vehicle geo-localization system in a Smart City through low cost instrumentation and Machine Learning
- Project leaders
- Diego Liberati, Ahmed Tamtaoui
- Agreement
- MAROCCO - CNRST - Centre National pour la Recherche Scientifique et Technique
- Call
- CNR/CNRST biennio 2018-2019 2018-2019
- Department
- Engineering, ICT and technologies for energy and transportation
- Thematic area
- Engineering, ICT and technologies for energy and transportation
- Status of the project
- New
Research proposal
I sistemi di trasporto intelligente mirano in primo luogo a migliorare la sicurezza stradale per una guida più gradevole, attraverso la messa in opera di servizi con l'obiettivo di evitare incidenti o almeno attenuarne le conseguenze. In quest'ottica, è determinate disporre di un modulo di localizzazione dei veicoli basati sulle tecnologie di telecomunicazioni avanzate.
La maggior parte delle tecniche di localizzazione si basa sull'uso de sistema di posizionamento globale GPS che permette di fornire la posizione e la velocità in un punto qualunque del pianeta. Malgrado le sue prestazioni, la precisione del GPS degrada a causa di errori come le perturbazioni atmosferiche ed i problemi di cammino multiplo nei contesti urbani. Per rimediare a questi problemi, una opzione sarebbe utilizzare le correzioni proposte da un GPS differenziale (DGPS). Alternativamente, si può integrare il GPS con sistemi di navigazione inerziale che misuri posizione velocità e dinamica mediante accelerometri, giroscopi ed un calcolatore digital. Per la fusione dei dati strumentali un filtro di Kalman Esteso e' spesso applicato per le sue semplicità e facilità d'uso: permette di stimare in modo ottimale lo stato del sistema non lineare a partire dai dati grezzi affetti da imprecisione.
Malgrado l'uso delle correzioni del DGPS, il fenomeno del cammino multiplo sussiste. Inoltre il prezzo esorbitante e l'onere di calcolo limitano l'implementazione dell'alternativa suddetta. Per quanto riguarda il filtro di Kalman esteso, la sua prestazione dipende dalla precisione dei modelli stocastici dei rilevatori, comportando una rapida divergenza del modello dalla realtà quando si perde il segnale GPS
Suggeriamo allora un nuovo approccio robusto che combina il filtro di Kalman esteso e un modulo intelligente di apprendimento automatico per una migliore localizzazione del veicolo. Una tale soluzione offre un costo contenuto ed una semplicità di realizzazione, necessitando solo di un GPS, un odometro ed un igrometro montati sul veicolo e collegati ciascuno ad una scheda Arduino nano per l'acquisizione dati ed un modulo Xbee per la trasmissione. Mentre è disponibile il segnale GPS il modulo di apprendimento automatico e' addestrato su più esempi in modo da modellare implicitamente gli errori di posizione per correggere le future predizioni del filtro di Kalman esteso quando il segnale GPS non e' presente.
Obiettivo e' l'inizio di relazioni scientifiche tra i partners per contribuire ad uno sviluppo duraturo nel campo dei sistemi di trasporto intelligenti ed in particolare alla localizzazione robusta e a basso costo di veicoli.
Specificamente ci si propone di:
- Mettere a punto e ottimizzare una soluzione prototipale a basso costo per la localizzazione veicolare
- Diffondere la soluzione mediante pubblicazioni scientifiche, anche al fine di validarla
- Implementare una prima versione del prototipo con un computer a bordo dotato di strumenti di acquisizione
- Valorizzare i risultati depositandone brevetti
- Implementare la seconda versione del prototipo con l'integrazione delle schede Arduino nano e dei moduli Xbee
- Integrare lo strumento prodotto
- Provare il sistema in un contesto operativo.
La soluzione integrata a basso costo proposta appare anche di interesse industriale come sviluppo degli attuali sistemi di geolocalizzazione disponibili, come TomTom
Research goals
o Sviluppo di un modulo di localizzazione che possa integrarsi con svariate applicazioni di sicurezza stradale necessitanti il monitoraggio in tempo reale dei veicoli
o Sviluppo di un nuovo sistema di localizzazione veicolare basato su strumentazione a basso costo
o Sviluppo di tecniche innovative di fusione dei dati provenienti dal veicolo
o Acquisizione del materiale necessario per la realizzazione del prototipo
o Scambio di conoscenze tra i due gruppi delle due nazionalità
o Organizzazione di una conferenza sui sistemi di trasporto intelligente
Last update: 07/10/2024