Evaluation du risque de téléscopage dans un contexte de véhicules communicants par la méthode des réseaux Bayésiens

Risk level assessment for rear-end collision with Bayesian network model and vehicular communication

• Auteur / Autrice : Jean-Nicola Russo
• Direction : Michel Basset
• Type : Thèse de doctorat
• Discipline(s) : Automatique
• Date : Soutenance le 11/10/2018
• Etablissement(s) : Mulhouse
• Ecole(s) doctorale(s) : École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)
• Partenaire(s) de recherche : Laboratoire : Institut de Recherche en Informatique, Mathématiques, Automatique et Signal (Mulhouse) - Institut de Recherche en Informatique Mathématiques Automatique Signal / IRIMAS

Mots clés

Mots clés contrôlés

Évaluation du risque

Systèmes d'information

Sécurité routière

Transport -- Systèmes d'information

Réseaux ad hoc de véhicules

Automobiles -- Systèmes d'aide à la conduite

Automobiles -- Commande automatique

Véhicules autonomes

Systèmes de transport intelligent

Mots clés libres

Risque

Réseaux Bayésiens

Évaluation du risque

Téléscopage

Sécurité

Véhicule autonome

Communication véhiculaire

VANet (Vehicular Ad-Hoc Network)

Risk

Bayesian networks

Risk assessment

Telescoping

Security

Stand-alone vehicle

Vehicular communication

VANet (Vehicular Ad-Hoc Network)

Résumé

Les progrès technologiques et la mondialisation du transport font que le flux de voyageurs ne cesse d’augmenter. Cependant, dans le domaine de l’automobile, des problèmes techniques ou humains entrainent des accidents causant encore aujourd’hui des milliers de blessés et de décès par an. De ce fait, les instances gouvernementales et les constructeurs automobiles travaillent sur de nouvelles règlementations et des avancées techniques afin de garantir la sécurité́ de chaque usager de la route. Afin de garantir la diminution du nombre de décès, une voie de recherche intéressante consiste à fusionner les informations provenant du véhicule, du conducteur et de l’environnement afin de prévenir le conducteur du risque qu’il prend ou même d’agir directement sur le véhicule. Ainsi, après avoir défini le risque que nous considérons, nous nous intéressons ici à sa modélisation et son estimation en temps réel. Dans ce contexte, le cas d’usage de décélération du véhicule suivi est étudié et nous analysons et traitons les données par un réseau Bayésien afin d’évaluer le risque de télescopage qui sera partagé à travers une communication inter-véhiculaire de type VANet.

Technological advances and the globalization of transport have led to an increase flow of passengers. However, in the automotive sector, technical or human problems lead to accidents that still cause thousands of injuries and deaths each year. As a result, government authorities and car manufacturers are working on new regulations and technical advances to ensure safety of every road user. To ensure that cut of deaths and injuries, an interesting research approach is to merge information from the vehicle, the driver and the environment in order to warn the driver of the risk he is taking or even to act directly on the vehicle. Thus, after defining the risk we consider, we are interested here in its modelling and estimation in real time. In this context, the deceleration of the leading vehicle is monitored and studied then we analyze and process the data through a Bayesian network in order to evaluate the rear-end risk that will be shared through vehicular communication thanks to VANet.