Laboratoire de Génie Informatique et d’Automatique de l’Artois

Thèse de Sebastien RAMEL

Classification semi et partiellement supervisée : Application au partage de contrôle dans un couple conducteur/ système d’aide à la conduite (véhicule

Date de début : 3 octobre 2016
Financement : thèse université Artois/ Region
Mots clés : classification semi supervisée, fonctions de croyance
Encadrement :

L’objectif de cette thèse est de modéliser finement l’état d’un conducteur (vigilance, fatigue, expérience…) pour permettre un partage harmonieux de la tâche de guidage entre celui-ci et les systèmes d’aide à la conduite développés pour la réalisation des futurs véhicules autonomes. Une équipe du LAMIH-CNRS en commande s’occupe du contrôle de trajectoire de la voiture avec des outils relevant de la théorie de la commande et de l’observation. Ce contrôle de trajectoire est conçu pour permettre l’intervention du conducteur dans le guidage par modification locale de la trajectoire dans le but par exemple de signaler ses intentions au système (volonté de dépasser, changer de voie, prendre une bretelle …) ou d’éviter un obstacle qui ne serait pas perçu par les capteurs du véhicule (nid de poule, objet trop petit, …). Des techniques de partage haptique sont utilisées pour ce faire (échange d’efforts au volant et à l’accélérateur), les lois de commande visant à minimiser le conflit entre contrôleur et conducteur. Si cette approche est pleinement satisfaisante lorsque le conducteur est attentif et que le système est dans son domaine de fonctionnement, elle est plus délicate à mettre en œuvre dans les phases transitoires (activation, désactivation) ou lorsque l’état du conducteur se dégrade (8). Dans ce dernier cas, les actions du conducteur sur la direction ou la vitesse du véhicule peuvent s’avérer inappropriées, voire dangereuse et la politique de minimisation de conflit inadaptée. Pour résoudre ce problème, une bonne connaissance de l’état du conducteur pendant la conduite est indispensable.

Jusqu’à présent l’équipe modélisant l’état du conducteur au LAMIH-CNRS n’a pas obtenu de résultats satisfaisants avec des modèles intelligibles et interprétables, trop de paramètres intervenants (style de conduite, et même humeur du conducteur), en plus de données imprécises ou manquantes (tunnel qui bloque certains capteurs…). Ces caractéristiques d’apprentissage amènent à un nombre élevé de modèles (un conducteur fatigué en milieu urbain ne se comportant pas comme un conducteur fatigué en campagne, alors que pourtant tous deux devraient se faire assister…), ce qui rend malaisé le partage de contrôle entre le conducteur et les systèmes automatisés.

L’équipe du Lgi2a se propose d’apporter ses compétences en techniques avancées en aide à la décision et fouille de données pour obtenir des modèles concis et compréhensibles. Elle est renommée dans les représentations de l’incertitude avec une approche non additive basée sur les fonctions de croyances, qui généralisent les probabilités (3, 4, 5, 6).

Les expérimentations auront lieu sur l’imposante plateforme SHERPA de l’université de Valenciennes (9), avec tout son environnement. La thèse s’inscrit dans le projet regional plus général ELSAT 2020.

Axes scientifiques impliqués :

Domaines d'application impliqués :

Partenaires

Soutenance

Soutenance ayant eu lieu le

Jury :