Auteur / Autrice : | Mohamed El mostadi |
Direction : | Hélène Waeselynck |
Type : | Projet de thèse |
Discipline(s) : | Informatique |
Date : | Inscription en doctorat le 01/01/2019 |
Etablissement(s) : | Université de Toulouse (2023-....) |
Ecole(s) doctorale(s) : | École doctorale Systèmes (Toulouse ; 1999-....) |
Partenaire(s) de recherche : | Laboratoire : LAAS - Laboratoire d'Analyse et d'Architecture des Systèmes |
Equipe de recherche : TSF - Tolérance aux fautes et Sûreté de Fonctionnement Informatique |
Mots clés
Résumé
Un système avancé daide à la conduite vise à apporter un niveau de sécurité accru en aidant un conducteur à éviter les accidents de la route. Un tel système présente de fortes exigences de sûreté de fonctionnement. Renault et de façon plus globale lAlliance Renault-Nissan-Mitsubishi, premier groupe de production de voiture, est bien conscient de la nécessité vitale de maîtriser ces technologies et leur déploiement. Et cette maîtrise doit se traduire in fine par la capacité à valider le comportement de ces systèmes en accord avec les critères drastiques de sécurité. Actuellement, la validation des systèmes ADAS est réalisée par deux approches complémentaires : des tests en simulation, et des expériences de roulage impliquant le déploiement de prototypes de véhicules. La thèse portera sur la première, approche, en considérant une configuration de type « logiciel-dans-la-boucle ».Cette approche, bien moins coûteuse que les expériences de roulage, permet théoriquement de considérer une plus grande diversité de situations de conduite, y compris des situations rares ou trop dangereuses pour être testées en conditions réelles. Dans le cadre de la thèse, lapproche retenue se situe dans la lignée de ces travaux émergents recherche de scénarios dangereux basée sur des modèles denvironnement paramétrés mais en cherchant à y incorporer des connaissances issues des données de roulage. On pourra ainsi mettre en uvre des méthodes danalyse de ces données pour calibrer les modèles, enrichir leur structure, et mieux guider la génération de tests. Nous retiendrons en particulier lidée de zooms sur des régions critiques, en la généralisant : on pourra ainsi non seulement considérer des sous-ensembles de valeurs intéressants, mais aussi exploiter les informations issues de la réalité terrain pour raffiner les paramètres concernés ainsi que les mécanismes de production et dévolution des tests.