SECAAC : Système d'Eco-Conduite Auto-Adaptatif au Conducteur

Eco-driving system self-adaptive to driver behavior

• Auteur / Autrice : Salvatore La Delfa
• Direction : Frédéric Vanderhaegen, Simon Enjalbert, Philippe Polet
• Type : Thèse de doctorat
• Discipline(s) : Automatique. Automatique, génie informatique
• Date : Soutenance le 26/01/2017
• Etablissement(s) : Valenciennes
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur (Lille)
• Partenaire(s) de recherche : Laboratoire : Laboratoire d'automatique, de mécanique et d'informatique industrielles et humaines (Valenciennes, Nord ; 1994-...)
• Partenaire(s) de recherche : Communauté d'Universités et Etablissements (ComUE) : Communauté d'universités et d'établissements Lille Nord de France (2009-2013)
• Partenaire(s) de recherche : Institut ou établissement de recherche : Institut de recherche technologique de la filière ferroviaire (Valenciennes, Nord)
• Jury : Président / Présidente : Choubeila Maaoui
• Jury : Examinateurs / Examinatrices : Frédéric Vanderhaegen, Simon Enjalbert, Philippe Polet, Jean-Jacques Lesage, Dominique Meizel, Gérard Morel, Denis Miglianico, Sébastien Lefebvre
• Jury : Rapporteurs / Rapporteuses : Jean-Jacques Lesage, Dominique Meizel

Mots clés

Mots clés contrôlés

Carburants -- Consommation

Trains

Transports ferroviaires

Systèmes homme-machine

Mots clés libres

Optimisation quadratique

Système homme-Machine

Minimisation énergétique

Approche multi-Modèle

Human-Machine system

Minimization of energy consumption

Multi-Model approach

Quadratic optimization

Identification of human parameters

Model predictive control

Human factors.

Résumé

Dans le secteur des transports, la conception de poste de conduite complexe nécessite plus de connaissances, de performance et d’attention des conducteurs. Les conducteurs doivent respecter des contraintes telles que la sécurité des passagers et la sécurité du système de transport ferroviaire, mais aussi la ponctualité et le confort des passagers. Les exploitants visent à augmenter le trafic et réduire la consommation d'énergie du réseau du chemin de fer. Dans un premier temps, les industriels ont conçu des véhicules moins énergivores afin de réduire la consommation d’énergie. Pour aider le conducteur à réduire la consommation d’énergie de son véhicule, il est ensuite formé à l’éco-conduite qui modifie ses habitudes de conduite et dont l’impact est temporaire. Par conséquent, des EDAS (Eco-Driving Advisor System) sont réalisés pour aider les conducteurs à améliorer leur performance d'éco-conduite. Les EDAS permettent de réduire jusqu’à 20% la consommation d'énergie par rapport à la conduite normal du conducteur (le conducteur n’applique pas les principes de l’éco-conduite). L’EDAS est basé sur le problème d'optimisation du contrôle pour déterminer le profil d'éco-conduite pour réduire la consommation d'énergie. Le problème d'optimisation du contrôle est une approche multi-modèles dans laquelle les modèles cinématiques et de consommation du véhicule, et les exigences environnementales (limites de vitesse, cours du temps, etc.) sont définis et doivent être respectés. Un profil d’éco-Conduite est calculée pour un véhicule automatisé, mais c’est le conducteur qui assure la conduite et est le garant de la sécurité. Le profil d’accélération optimal estimé par le calculateur est transmis à l'aide d'une interface homme-machine. Le conducteur réalise une tâche de poursuite de ce profil, mais conserve la possibilité de ne pas la suivre pour une raison quelconque. Les facteurs humains tels que la fatigue, la charge de travail, etc. impactent sur les performances du conducteur suivant le profil optimal qui peut influencer sur le respect des contraintes de sécurité du réseau (limites de vitesse, temps de parcours, etc.). Pour tenir compte des facteurs humains, le modèle cinématique du véhicule de l’EDAS est modifié par le modèle conducteur-véhicule. En outre, l'état du conducteur varie au cours de la journée, en fonction de facteurs humains. Pour tenir compte de cette évolution des facteurs humains, une identification des paramètres du modèle de comportement du conducteur pour une tâche de poursuite est réalisée.

In transport industry, the design of complex control panel requires more knowledge, performance and attention from drivers. These drivers have to take care of constraints such as the safety of passengers and the security of the rail transport system, but also the punctuality and the comfort for the passengers. The managers aim to increase the traffic and to reduce the energy consumption of the railroad network. The conception of energy efficient vehicle was the first step and so the drivers are now trained to adopt eco-driving skills which modify their driving style. Therefore, EDAS (Eco-Driving Advisor System) are realized to help the drivers to improve their eco-driving performance, reducing by 20% energy consumption. The EDAS is based on optimization problem to determine the eco-driving profil to reduce energy consumption. The control optimization problem is a multi-model approach in which kinematic and consumption vehicle models, and environmental requirements (speed limits, time course, etc.) are defined and must be respected. An Eco-Driving profile is calculated for an automated vehicle, but the driver guarantees the onboard safety and security. The profile is transmitted to the drive through a Human-Machine Interface (HMI). The driver realizes the task to follow the optimal profile but keeps the possibility not to follow it for any reason. EDAS must be real-time because the constraints, models and the pursuit task are not exact and could change over the time. Human factors such as fatigue, workload, etc. impact the driver performance when following optimal profile which can influence the respect of the safety network constraints (speed limits, time course, etc.). To consider human factors the kinematic vehicle model is changed by human-vehicle model. Moreover, the driver state is always varying during day time, depending on human factors. To consider the human factors evolution a parameters identification of human behavior model for a pursuit task should be carried out.The proposal methodology takes into account the human factors in the control optimization problem to realize SECAAC [System d’Eco-Conduite Auto-Adaptatif au Conducteur (Eco-Driving Self-Adaptive to the Driver behavior System)].