Système de diagnostic par réseaux de neurones et statistiques : application à la détection d'hypovigilance du conducteur automobile

• Auteur / Autrice : Neil Hernández-Gress
• Direction : Daniel Estève
• Type : Thèse de doctorat
• Discipline(s) : Automatique. Informatique industrielle
• Date : Soutenance en 1998
• Etablissement(s) : Toulouse, INPT

Mots clés

Mots clés contrôlés

Réseaux neuronaux (informatique)

Algorithmes

Véhicules automobiles -- Capteurs

Simulation, Méthodes de

Conduite automobile

Résumé

Les travaux qui sont présentés dans cette thèse ont été développés dans le cadre du programme Européen SAVE. L'objectif de ce projet est de réduire les accidents de la route causés par des défaillances du conducteur (fatigue, inattention, intoxication, ). Pour cela, considérons le conducteur comme un processus qu'il faut surveiller et diagnostiquer en temps réel à partir d'informations fournies par des capteurs embarqués dans le véhicule. La tâche de la conduite n'étant pas facilement simulable, nous avons construit le démonstrateur CopiTech afin de développer et d'évaluer en ligne nos méthodologies de détection. Ce démonstrateur est devenu la plate-forme principale de démonstration du programme SAVE. Le principe de la méthode réside dans la comparaison des caractéristiques du conducteur dans des états connus aux comportements actuels. L'extraction des caractéristiques, l'apprentissage et la décision finale, basés sur la reconnaissance de forme et la fusion multisensorielle font appel à des statistiques et des réseaux de neurones hybrides. Pour l'extraction des caractéristiques deux algorithmes factoriels ont été étudiés l'Analyse en Composantes Principales (ACP) et l'Analyse en Composantes Indépendantes (ACI) []. Pour l'apprentissage, trois algorithmes originales sont présentées : le MOBCPSL qui utilise des neurones binaires, le MFS qui fuzzifie les neurones binaires sur un intervalle et la méthode GRBF qui est une généralisation de l'algorithme RBF. Ces méthodes ont été mises au point en vue de répondre à notre cahier de charges : traiter plus d'une classe, traiter les classes superposées et être très performantes. GRBF est la plus adaptée à notre problématique. Cette méthodologie a été appliquée à diverses expériences du programme SAVE [] La performance des résultats du diagnostic pour l'ensemble des expériences sont compris entre 78% et 90%. Ces résultats montrent qu'il est possible par l'analyse comportementale (ou de performances) de détecter l'évolution d'une conduite habituelle vers des modes de conduite défaillante.