Automatic systems for unsafe lane change detection and avoidance

Road safety is currently recognized to be among the major societal issues, mainly due to road crashes being one of the major causes of death. In the past recent years, car manufacturers have been responding to this increasing need for safety by developing electronic systems called Advanced Driver Assistance Systems (ADAS), and increasingly deploying them on board of commercial vehicles. ADAS are systems designed for two- and four-wheeled vehicles which have the goal of increasing comfort and safety during everyday driving; in some cases, such systems are only asked to report information or alert the driver in dangerous situations, while in other cases they directly intervene on the vehicle dynamics to avoid potential hazards. This thesis proposes a composite and integrated system that helps the driver avoid safety hazards due to unsafe lane change maneuvers. The reasons that may lead to such maneuvers are manifold, and for this reason vehicle crashes are very often caused by unsafe lane change maneuvers. In order to avoid such dangerous situations, the proposed system is designed to perform to tasks: Prevention: The goal is to give alert signals to the driver to advise him about potentially dangerous situations that may lead to a lane change crash. This is done by checking the drunkenness state of the driver before the drive start, and by monitoring the vehicle surroundings during the drive. Intervention: The goal is to actively intervene to correct the vehicle trajectory in case a lane change maneuver is being performed in unsafe condition. The typical scenarios that are considered are twofold; the first is a vehicle drift towards the adjacent lane due to the driver losing control as a consequence of micro-sleep occurrence or drowsiness. The second is an intentional lane change performed during inattentive driving, without the driver noticing a potential danger in the adjacent lane. The thesis first introduces the ADAS systems and their main components, among which the sensors play a crucial role. For this reason, an extensive description of some of the main sensing technologies is given, namely stereo cameras, radar and lidar, and the results of on-road tests are presented to compare the different considered sensors. Then, the structure of the proposed system is presented, being composed by a Warning Module, in charge of performing the Prevention task, and the Control Module, which addresses the Intervention task. A Supervisor is presented that regulates activation and deactivation of the Control Module, together with experimental results to validate to proposed methodologies. In particular, the Supervisor is shown to allow timely activation of the controller, without providing excessive false alarms. The Warning Module is composed by two blocks; the first is a system for revealing the drunkenness condition of a driver by analyzing the dynamics of its Pupillary Light Reflex; a light stimulus is applied to the subject's eye, and the pupil constriction is recorded through cameras. A method is presented to extract the pupil's diameter profile from video sequences, from which a set of features is computed; such features are used by a classifier to discriminate between "sober" and "drunk" states of the subject. Experimental results obtained with different classification techniques on a database experimentally acquired reveal a good classification performance. The second block implements a lane change warning function, which is in charge of monitoring the vehicle's rear surroundings and give alert signals to the driver in case an object is detected in the adjacent lane in the vehicle's blind spot or approaching at high speed. Extensive validation is performed on an instrumented motorbike to show the effectiveness of the proposed solution. The Control Module is composed by a vehicle's lateral position control loop, where the actuation variable is the differential torque at the wheels. A linear controller in the PID form is tuned within the H-infinity framework, with anti-windup and gain scheduling schemes. Different actuation and activation strategies are proposed, and results of experimental and simulation tests show the effectiveness of the control system, which is able to stabilize the system and correct the vehicle trajectory in each of the considered cases of interest. In the Appendix, a vehicle's lateral position estimation method is proposed which makes use of a set of magnetic sensors mounted on the road surface. Upon transit of a target vehicle, each sensor records a magnetic signature for a different vehicle section; such signatures are then compared with a database of previously acquired signatures of known vehicles transited at known position. A classifier then identifies the unknown vehicle's model and its lateral transit position: the results obtained on real experimental data show the effectiveness of the algorithm, with an evaluation of the sucess rate.

La sicurezza stradale è attualmente riconosciuta come uno dei principali problemi a livello sociale, dal momento che gli incidenti stradali sono tra le principali cause di morte. Negli ultimi anni, le case automobilistiche hanno risposto a questo crescente bisogno di sicurezza sviluppando e implementando su veicoli commerciali sistemi di bordo chiamati Advanced Driver Assistance Systems (ADAS). Gli ADAS sono sistemi elettronici installati a bordo di veicoli a due e quattro ruote, progettati per aumentare comfort e sicurezza durante la guida di tutti i giorni. In alcuni casi, tali sistemi forniscono informazioni o avvisano il conducente in situazioni pericolose, mentre in altri casi intervengono direttamente sulla dinamica del veicolo per evitare potenziali pericoli. Questa tesi propone un sistema composito e integrato che aiuta il conducente a evitare rischi dovuti a manovre di cambio di corsia pericolose. Tali manovre sono riconosciute come uno degli scenari più frequenti che comportano incidenti automobilistici; infatti, sono molte le ragioni che tipicamente portano a questi eventi. Per questo motivo, il sistema è progettato per eseguire attività: Prevenzione: l'obiettivo è dare segnali di allarme al guidatore per allertarlo in situazioni potenzialmente pericolose che potrebbero portare a un incidente di cambio di corsia. Ciò viene fatto controllando lo stato di ubriachezza del conducente prima dell'avvio del motore e monitorando i dintorni del veicolo durante la guida. Intervento: l'obiettivo è di intervenire attivamente per correggere la traiettoria del veicolo nel caso in cui una manovra di cambio di corsia venga eseguita in condizioni non sicure. Gli scenari tipici considerati sono due; nel primo, il veicolo che si sposta verso la corsia adiacente a causa della perdita di controllo da parte del guidatore, come conseguenza del verificarsi di eventi di "micro-sleep" o sonnolenza. Il secondo è un cambio di corsia intenzionale eseguito durante guida disattenta, in cui il conducente non nota un potenziale pericolo nella corsia adiacente. Inizialmente, la tesi introduce i sistemi ADAS e le loro componenti principali, tra cui i sensori svolgono un ruolo cruciale. Per questo motivo, viene fornita una descrizione esaustiva di alcune delle principali tecnologie di rilevamento, vale a dire telecamere stereo, radar e lidar, e vengono presentati i risultati di test su strada per confrontare i diversi sensori considerati. Quindi, viene presentata la struttura del sistema proposto, composto da un Warning Module, responsabile dell'esecuzione dell'attività di Prevenzione e dal Control Module, che si occupa dell'attività di Intervento. Viene successivamente presentato un Supervisore che regola l'attivazione e la disattivazione del Control Module, unitamente a risultati sperimentali che permettono di validare la strategia considerata; in particolare, si mostra come il Supervisore sia in grado di assicurare un'attivazione tempestiva del controllore, evitando un'eccessivo numero di falsi allarmi. Il Warning Module è composto da due blocchi; il primo è un sistema per rilevare la condizione di ubriachezza di un guidatore analizzando la dinamica del suo riflesso pupillare; uno stimolo luminoso viene applicato all'occhio del soggetto e la costrizione della pupilla viene registrata attraverso delle telecamere. Viene presentato un metodo per estrarre il profilo del diametro della pupilla dalle sequenze video, da cui viene calcolato un insieme di features; quest'ultime sono utilizzate da un classificatore per discriminare tra soggetto "sobrio" e "ubriaco". Risultati sperimentali ottenuti con diverse tecniche di classificazione su un database acquisito sperimentalmente rivelano una buona prestazione di classificazione. Il secondo blocco implementa una funzione di avviso di cambio di corsia, che è incaricato di monitorare la zona posteriore del veicolo e di fornire segnali di allarme al guidatore nel caso in cui un oggetto venga rilevato nella corsia adiacente nel punto cieco del veicolo o si avvicini ad alta velocità. Ampia validazione viene eseguita su una moto strumentata per mostrare l'efficacia della soluzione proposta. Il Control Module è composto da un anello di controllo di posizione laterale del veicolo, in cui la variabile di attivazione è la coppia differenziale alle ruote. Un controllore lineare nella forma PID è tarato all'interno del framework H-infinito, con schemi di anti-windup e gain-scheduling. Vengono proposte diverse strategie di attuazione e attivazione, e i risultati dei test sperimentali e in simulazione mostrano l'efficacia del sistema di controllo, che è in grado di stabilizzare il sistema e correggere la traiettoria del veicolo in ciascuno dei casi d'interesse considerati. Nell'appendice è proposto un metodo di stima della posizione laterale del veicolo che utilizza una serie di sensori magnetici montati sulla superficie stradale. Durante il transito di un veicolo, ciascun sensore registra una firma magnetica per una sezione di veicolo diversa; tali firme vengono poi confrontate con un database di firme acquisite in precedenza di veicoli noti transitati in posizione nota. Un classificatore identifica quindi il modello del veicolo sconosciuto e la sua posizione laterale di transito: i risultati ottenuti su dati sperimentali reali mostrano l'efficacia dell'algoritmo nella stragrande maggioranza dei casi.