Axes thématiques

La ville intelligente et les transports de demain reposent sur l’usage intensif de capteurs et de systèmes ayant des capacités de communication, ad hoc ou via l’infrastructure. Leurs fonctions doivent répondre à des contraintes spécifiques d’usage et d’environnement des applications. Historiquement, les travaux en communication et détection (RADAR) au LEOST étaient menés séparément. Avec l’arrivée de nouvelles normes (au-delà de la 5G...) et les nouvelles stratégies de télécommunication, les fonctions de détection et de communication se doivent de fonctionner conjointement voire d’être associées dès la conception. En effet, les nouvelles normes de communication prévoient depuis la 5G l’introduction de la communication entre objets voire entre intelligences (6G).

Notre expertise dans ce thème au LEOST se distingue par notre capacité à proposer des solutions technologiques dès la phase de conception en tenant compte des spécificités des applications visées, notamment celles des systèmes de transports intelligents (ferroviaire, routier), des capteurs pour la ville et de la sécurité. Ces travaux de recherche s’effectuent dans le cadre d’initiatives européennes (projets V2X tels que C-Road, InterCor, Secredas, X2Rail, TC-RAIL, EmulRadio4Rail), régionales (Projet DAFI, les projets des CPER 2015-2020 ELSAT2020 et 2021- 2027 RITMEA et IMITECH) et nationales (projets I-Site FUTURE WESTERN et COMPOTE, DSR-Linked).

Les contributions majeures de la thématique Communications et capteurs sont présentées ci- après selon deux sous-thèmes : capteurs et communication radio.

CAPTEURS

Ce sous-thème traite de la conception, de l’analyse et de l’optimisation de capteurs. Les travaux regroupent les activités sur la conception de capteurs électromagnétiques et sonores pour des applications variées telles que la surveillance humaine ou de systèmes et la sécurité routière.

Durant ces 5 dernières années, nos contributions ont porté sur la proposition (i) d’architectures RadCom de détection et de communication (Portfolio LEOST - sécurité routière) ; (ii) de prototypes à base de métamatériaux pour améliorer la détection d’usagers vulnérables (Portfolio LEOST - sécurité routière) ; (iii) de capteurs sonores et électromagnétiques bio-inspirés s’appuyant sur une implémentation de réseaux neuronaux sur puce à très faible consommation ; (iv) de radar de détection de signes vitaux et (v) d’analyse de flux audio.

COMMUNICATION RADIO

Ce sous thème traite de la conception, de l’évaluation et de l’optimisation de communications radio. L’évolution régulière des normes de communication grand public se traduit au sein de nos applications (systèmes de transport et ville intelligents) en termes de défis (entre autres ceux de coexistence) et de nouvelles possibilités applicatives. Au cours de ces 5 dernières années, nos travaux ont porté sur (i) la proposition de schémas de routage pour les réseaux ad hoc de véhicules (VANETs) ; (ii) l’évaluation des performances des systèmes de communication ferroviaires en prenant en compte des modèles de canaux radio ; (iii) la proposition de techniques pour l’optimisation de l’utilisation des ressources spectrales ; (iv) la modélisation de canaux radio pour l’amélioration de la qualité de service en tunnel ; (v) les méthodologies de conception et d’intégration d’antennes miniatures ; (vi) les réflecteurs à métamatériaux pour l’intégration de système de communication en environnement difficile (autoroute, ferroviaire). Nous illustrons ci-dessous quatre contributions majeures.

Les principales questions de cyberEM ou cybersécurité traitées sont :

• L’analyse de la susceptibilité des différentes solutions communicantes aux interférences et attaques ;

• La détection, la classification des situations d’attaques par la surveillance et l’étude de l’activité RF ;

• L’analyse des protocoles de communications au niveau 2 de l’OSI afin de déterminer des mésusages de ces protocoles ;

• La détection des drones et leur interception par du brouillage intelligent.

Les nombreux projets qui ont mobilisé les chercheurs sur ces thèmes ces dernières années, montrent la progression importante de cette activité. On peut citer depuis 2012 les projets SECRET (2012-2015), SECOURT (2016-2021), X2Rail (2016-2020), TCRAIL (2018-2019), EmulRadio4Rail (2018-2020), LoRa-R(2020-2023), GLOCAT (2020-2023), SENSORGUARD (2021- 2023), SHADOW (2021-2022). 
Quant aux projets en cours, il y a SLEMBI (2021-2024), DEPOSIA, Resilient Trust, CORTESE, PENTRAIL et la participation à la chaire Sécurité ferroviaire pour la cybersécurité des systèmes embarqués. Le projet Resilient Trust est un projet Européen de 26 partenaires coordonné par les membres de la thématique CyberEM du LEOST. 
Enfin, une activité de CEM a été conservée, bien que réduite, notamment dès lors qu’elle apparaît comme incontournable dans un sujet phare du COSYS. Pour les dernières années, on peut citer LUMICAR dans lequel nous avons étudié la susceptibilité des communications par la lumière aux interférences EM, et INCIT-EV et CAYD qui traite des émissions EM produites par les systèmes de chargement par induction des véhicules électriques. 
De même, les activités liées à l’informatique distribuée se sont également orientées vers la cybersécurité à différents niveaux : méthodes d’analyse de risque (IEC 62443, EBIOS...) et analyse de protocoles réseau afin d’y trouver des failles. 

TECHNIQUES DE LOCALISATION

Les évolutions des systèmes de transport intelligents nécessitent le développement d’un certain nombre de briques technologiques, parmi lesquelles figure la brique de localisation avec des performances accrues par rapports aux solutions COTS déployées dans nos smartphones ou pour des applications non sécuritaires. En particulier, les solutions doivent prouver leur résistance aux effets de propagation locaux rencontrés par les signaux GNSS largement utilisés : interférences électromagnétiques et multi-trajets. La communauté internationale s’attache ainsi à développer des solutions utilisant le système GNSS, hybridé à d’autres capteurs (centrale inertielle par exemple) et atteindre, par des solutions de détection de fautes et de mitigation, les performances attendues en matière de précision mais aussi d’intégrité. Les travaux de recherche menés au LEOST visent à améliorer les performances de précision et d’intégrité en particulier en ciblant la détection et la mitigation des effets locaux de propagation sur les signaux GNSS (multi-trajets et interférences).

Les principaux axes de recherche développés concernent :

• La détection de faute, d’interférences et le développement de concepts d’intégrité GNSS pour permettre d’utiliser le GNSS pour des applications critiques ;

• L’utilisation de capteurs de perception et en particulier de l’image pour appréhender l’environnement de réception des signaux satellitaires ;

• L’interprétation de contenu multimédia pour des applications de surveillance avancée avec la segmentation de personnes et la détection d’anomalies.

Les deux premiers axes se situent dans la continuité de nos travaux précédents et notre implication constante au niveau européen dans les projets visant l’introduction du GNSS dans les systèmes de signalisation ferroviaire ERTMS nous donne une expertise et une visibilité européenne sur ce sujet souvent en appui à l’EUSPA. 

La brique de perception présente sur les véhicules, qu’ils soient routiers ou ferroviaires, utilise une multitude de capteurs dont les caméras qui peuvent aussi être utilisées pour renforcer la brique de positionnement et assurer une localisation plus sûre et plus précise. Nos travaux visent l’apport de la vision pour percevoir, à partir d’une caméra zénithale à objectif fisheye, l’environnement et donc les obstacles autour de l’antenne GNSS perturbant la réception de ces signaux. Ces travaux ont été en particulier menés dans le projet eMAPs (Enhanced Map System - European Union Agency for the Space Programme GSA) et complétés au travers de collaborations internationales, notamment le DLR ou en interne. Notre positionnement à l’échelle européenne sur ce sujet, nous amène maintenant, à investiguer le développementde solutions pour des cas d’usages plus complexes, non étudiés à ce jour dans la littérature, comme leur opérabilité dans des conditions de luminosité ou climatiques dégradées.

INTERPRETATION DE CONTENU MULTIMEDIA POUR DE LA SURVEILLANCE AVANCÉE

Il est primordial de renseigner sur l'état d'un système de transport collectif, et notamment sur la dégradation des conditions de sécurité, de sûreté, de confort et d'exploitation d'un élément du système, d'une infrastructure (routière, ferroviaire) ou du réseau avant qu'elle ne soit trop avancée et que la résilience de l'ensemble ne soit plus garantie. Suivre et comprendre l'activité des éléments du système et de leurs interactions est donc requis. Depuis plusieurs années, le laboratoire propose d’exploiter les flux multimédias fournis par les systèmes de surveillance afin de détecter et d’identifier certaines situations anormales et dangereuses. Nos recherches se focalisent particulièrement sur les enceintes embarquées (trains/métros) dans lesquels nous proposons de développer des modèles neuronaux profonds capables d'interpréter l’activité humaine en analysant conjointement le contenu des signaux d'un système d'audio et de vidéo surveillance. Nous avons étudié les deux questions suivantes : (i) la détection, le suivi et l’estimation de pose des usagers et (ii) la détection des anomalies comportementales.

Pour atteindre les performances attendues par l’exploitant, les algorithmes et les architectures que nous proposons doivent montrer leur efficacité quels que soient le type de caméras utilisés, leur position et être robuste aux changements de luminosité, d’éclairage, en présence d’occultations, d’arrière plans défilants ou avec une forte densité de population dans des milieux plus ou moins confinés.

La fin de la période d’évaluation précédente a permis de basculer dans le développement d’architectures neuronales qui constituent désormais le cœur de notre expertise actuelle. Nous avons ainsi proposé des architectures neuronales robustes aux nombreuses contraintes d’exploitation et qui, pour certaines, intègrent finement la variation temporelle des signaux audio et vidéo afin d’avoir une meilleure représentation des passagers et de leurs activités. Nous avons évolué non seulement dans le cadre classique de l'apprentissage supervisé mais également mis en place des techniques semi-supervisées particulièrement adaptées pour définir des espaces de représentation dans le cas d’instances ou d’événements rares.

Nos résultats obtenus ont permis de répondre aux enjeux de sûreté et de sécurité des futurs systèmes de transports autonomes, notamment ceux déclinés dans le programme « Train Autonome - Relation Service Voyageur »

CREATION ET MISE A DISPOSITION DE BASES DE DONNÉES

La plupart des solutions algorithmiques de localisation proposées dans la littérature offrent des performances intéressantes, validées sur données réelles mais ces solutions sont, d’une part, peu comparées entre elles, et d’autre part, les scénarii proposés sont toujours dans des conditions idéales pour les capteurs et sans défaillances. De plus, la constitution de bases de données est une tâche complexe, extrêmement coûteuse en équipement et en temps. Par conséquent, le besoin de base de données partagées est urgent et croissant et il en existe encore relativement peu. Celles qui existent sont très orientées vers le milieu urbain. Les travaux lancés au LEOST visent donc à contribuer à cet effort collectif de la communauté. Sur les données de localisation, l’effort est réalisé dans le cadre du projet ANR LOCSP.

Ce besoin de base de données réelles, conséquentes, étiquetées est devenu crucial avec l’arrivée de l’intelligence artificielle. Malheureusement, la mise à disposition de bases publiques, quand elle existe, reste marginale dans le domaine de la vidéo-surveillance. C’est alors dans une volonté d’appui aux politiques publiques, que nous avons créé dans le cadre du projet EVEREST, une base de données annotée de plus de dix millions d’images acquises dans différentes stations du domaine skiable français, contenant des comportements d’usagers potentiellement dangereux, pour l’évaluation d’algorithmes de vision basés IA pour la sécurité des skieurs aux télésièges. Afin de faciliter le travail d’annotation de cette base de données, fastidieux et coûteux en temps, nous avons développé un outil intuitif et flexible d’annotation semi-automatique intégrant une stratégie de suivi automatique de visages.