Contribution à la commande dans un système multiagent : Application à la gestion des conflits entre les piétons et les véhicules autonomes et connectés dans les zones industrielles.

A contribution to the control of multi-agent system : Application to management of conflicts between pedestrians and connected autonomous vehicles in industrial areas.

• Auteur / Autrice : Meng Zhang
• Direction : Abdel Jalil Abbas-Turki, Abder Koukam
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance le 09/12/2022
• Etablissement(s) : Bourgogne Franche-Comté
• Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur et microtechniques (Besançon ; 1991-....)
• Partenaire(s) de recherche : Laboratoire : Connaissance et Intelligence Artificielle Distribuées (CIAD) (Dijon) - Connaissance et Intelligence Artificielle Distribuées [Dijon] / CIAD
• Partenaire(s) de recherche : Etablissement de préparation : Université de technologie de Belfort-Montbéliard (1999-....)
• Jury : Président / Présidente : Stéphane Galland
• Jury : Examinateurs / Examinatrices : Abdel Jalil Abbas-Turki, Abder Koukam, René Mandiau, Cyril Fonlupt, Mohamed Quafafou
• Jury : Rapporteur / Rapporteuse : René Mandiau, Cyril Fonlupt

Mots clés

Mots clés contrôlés

Piétons

Modélisation des données (informatique)

Véhicules autonomes

Mots clés libres

Véhicule autonome et connecté

Régulation coopérative du trafic

Gestion des conflits véhicule-Piéton

Commande de système multiagent

Trajectoire optimale

Apprentissage par renforcement profond

Connected Autonomous Vehicle

Cooperative traffic control

Vehicle-Pedestrian conflict management

Control of multiagent systems

Optimal trajectory

Deep reinforcement learning

Résumé

Les conflits entre les véhicules autonomes et connectés (VAC) et les piétons nécessitent de nouvelles approches d’interaction. Parmi ces approches, l'affichage de l’intention du véhicule est actuellement un sujet de nombreux travaux de recherches. L'impact du comportement des véhicules sur le comportement des piétons a été largement étudié. Des résultats fructueux ont été obtenus. Cependant, à notre connaissance, aucun profil de vitesse adéquat n'a été proposé. Aussi, la plupart des travaux sont limités au scénario du conflit unique (un véhicule-un piéton).Cette thèse part du scénario de conflit unique et traite le piéton et le véhicule comme des agents. Un modèle mathématique du conflit est construit en utilisant les réseaux de Petri. Le principe du minimum de Pontryagin a été utilisé pour déduire les trajectoires optimales des deux agents, à savoir celle du véhicule et celle du piéton. Les simulations numériques montrent un gain significatif du temps d'intersection en utilisant des profils optimaux de vitesse.Pour des raisons évidentes de sécurité, la thèse propose un état optimal du VAC. Cet état permet au véhicule de pouvoir s’arrêter en cas de comportement imprévu du piéton. Il permet aussi de récupérer partiellement la distance perdue, lors du céder le passage. Le VAC se comporte en deux phases. En premier, il invite le piéton à passer en décélérant et en affichant son intention. Ensuite, il atteint l'état optimal à la sortie du piéton. Pour atteindre l'état optimal, la thèse propose une méthode d'apprentissage par renforcement profond (ARP) pour contrôler le VAC. Des tests en environnement virtuel immersif montrent que l'agent ARP peut contrôler le VAC pour être au plus près de l'état optimal. Aussi, des comparaisons avec la commande prédictive ont été réalisées. La commande à base de l'ARP est plus performante dans de nombreux scénarios.Enfin, la thèse étend le scénario aux traversées piétonnes de plusieurs voies. Elle propose un algorithme pour calculer l'ordre optimal de passage entre les VACs et les piétons et établit un modèle coopératif. Les résultats expérimentaux montrent que l'ordre de passage optimal améliore l'efficacité du trafic, tandis que le contrôleur ARP réduit le temps perdu par les VAC. La simulation montre que l'approche proposée permet aux VAC et aux piétons de gagner, respectivement, en moyenne 42% et 59% du temps de traversée. Ces résultats encourageants ouvrent de nouvelles perspectives de recherches sur les profils de vitesse des VACs pour la gestion des traversées piétonnes dans les zones industrielles.

Connected Autonomous Vehicle (CAV) interaction with pedestrians is a challenging topic. Traffic management in the conflict zone with pedestrians need new interaction methods. Among many interactive methods, vehicle signaling displays and speed profiles have attracted much attention. To design appropriate vehicle behaviors, researchers study the impact of vehicle behavior (signaling display, gap, speed, and deceleration) on pedestrian behavior (reaction time, walking speed, and gap acceptance). Fruitful results have been achieved. However, an optimal speed profile for CAVs is missing to get a step further on this topic. Furthermore, most works are limited to a single conflict scenario (one CAV-one pedestrian).The thesis starts from a single conflict scenario and treats pedestrians and vehicles as agents. A mathematical model of a single conflict is built using Petri-net. The thesis uses the Pontryagin's minimum principle to improve the performance of both agents during the conflict. The numerical simulations show a significant gain in intersection time by using the optimal speed profiles.Considering the practical difficulties, the thesis proposes a safe CAV's optimal state to respond to dangerous pedestrian behavior. Specifically, the CAV invites pedestrians to pass through the deceleration and intent display in the early stage. Then, the CAV reaches the optimal state under the safety constraint to make traffic efficiency the highest. To reach the optimal state, the thesis proposes deep reinforcement learning (DRL) method to control the CAV according to the pedestrian state. Immersive virtual environment tests show that the trained DRL agent can control the CAV close to the optimal state. Moreover, the trained DRL agent performs better in many scenarios than model predictive control.Finally, the thesis extends the application from the single conflict scenarios to the multiple lane scenario. It gives an algorithm to calculate the optimal crossing order between CAVs and pedestrians and establishes a cooperative and communicative model. The experimental results show that the optimal crossing order improves traffic efficiency, whereas the DRL controller reduces the time lost by CAV. Simulations show that the proposed approach allows both CAVs and pedestrians to gain an average of 42% and 59% of the crossing time, respectively. These encouraging results introduce the perspective of research on the pedestrian-friendly speed profile of CAVs.