Cette thèse s'articule autour de la théorie de la conscience de la situation et son application dans le domaine de l'analyse de l'activité de conduite automobile. Après avoir examiné les aspects fondamentaux de la théorie de la Conscience de la Situation (chapitre 1), nous aborderons les travaux soviétiques réalisés des années 1940 aux années 1970 (chapitre 2) dans le champ de l'analyse de l'activité des opérateurs. Ce pont jeté nous permettra de rapprocher la théorie de la conscience de la situation avec des travaux plus classiques de la psychologie cognitive : le champ de la représentation mentale. Enfin, nous nous focaliserons sur l'application de ces concepts dans le domaine de la conduite automobile en abordant plus particulièrement trois points l'expérience de conduite, les ressources cognitives des conducteurs et les conducteurs seniors (chapitre 3). Suite à quoi nous présenterons notre propre protocole expérimental, OSCAR, mise en place afin d'analyser les représentations mentales du conducteur en fonction de différentes sources de variations (chapitre 4). Après une présentation détaillée des résultats obtenus par OSCAR, nous listerons les atouts et les limites de ce protocole, bases pour élaborer une seconde version, ICARE (chapitre 5). Une fois la comparaison des données recueillies par nos deux outils, nous nous attacherons à montrer en quoi ICARE permet d'analyser d'une manière originale les représentations mentales des conducteurs. Cela nous permettra de considérer le potentiel applicatif d'ICARE d'une part pour la recherche scientifique et d'autre part dans le domaine de la formation des conducteurs (chapitre 6 et 7) ; Sous la direction de : Monsieur Le Professeur Robert MARTIN Devant le jury composé de : - Mr Yves CROZET, Professeur, Université Lumière Lyon II (Président) - Mr Claude BASTIEN, Professeur, Université de Provence (Rapporteur) - Mr Guy BOY, HDR EURISCO Int., Toulouse (Rapporteur) - Mr Robert MARTIN, Professeur, Université Lumière Lyon II, - Mr Thierry BELLET, Ingénieur de Recherche, INRETS-LESCOT, Bron - Mr René CHOMETTE, PDG, CESR-ECF, Bron. Mots clés libres : psychologie cognitive, conduite automobile, conscience de la situation, représentation mentale, protocole expérimental, outil pour la formation des conducteurs, aide à la conduite.

Les outils classiques de simulation ne permettent pas de prendre facilement en compte dans leur modèle, le niveau décisionnel lié à l'ordonnancement des tâches. La politique de décision est figée tout au cours d'une simulation. Par ailleurs, les outils classiques de gestion de production ne permettent pas de contrôler correctement le flux *de production, parce qu'ils ne prennent pas en compte l'état réel de l'atelier (temps mort devant les machines, pannes, ...). Ils induisent des surdimensionnements de stocke ou de mauvais taux d'utilisation des ressources. Nous proposons dans ce mémoire un outil d'aide à la conduite d'atelier flexible intégrant les aspects fonctionnement de l'atelier et gestion de production réduite au routage et à l'ordonnancement des tâches* Le simulateur proposé est basé sur l'interaction dynamique entre un interpréteur de réseaux de Petri Colorés Temporisés, garant de l'état courant de l'atelier, et un niveau décisionnel rempli par système expert. La présence d'une décision de routage, d'ordonnancement. ou la détection d'un état prédéfini se traduit au niveau de interpréteur par un conflit dans le modèle RdPCT. La construction d'un ensemble de règles de décision, par les experts humains de l'entreprise permet au système expert de résoudre le conflit. Avec l'introduction des techniques de l'Intelligence Artificielle, le système SAGASSE se caractérise par une approche ascendante du problème de conduite de l'atelier flexible, du système physique vers le système décisionnel. Des exemples industriels sont cités dans ce mémoire pour valider l'approche retenue.

Le rôle d'une gestion en temps réel des fonctions annexes de production (ex.: transports, outils) est essentiel dans le cadre d'une cellule flexible. Lors d'une analyse de type GRAI, distinguant composantes physiques, informationnelles et décisionnelles, nous proposons trois modes d'allocation d'une ressource de transport. Soit par classes de déplacements, soit par application de règles de gestion, soit, finalement, par ordonnancement local de l'ensemble instantané des déplacements à l'aide d'une méthode de séparation et évaluation progressive (sep). L'application de nos méthodes nous a permis d'étendre les fonctionnalités d'un produit industriel de simulation par évènements discrets, simulflex, logiciel dédié aux cellules flexibles de production. En particulier, nous lui avons adjoint le choix de règles de gestion pour les ressources de stockage, fabrication et transport. La validation des modes d'allocation a fait l'objet d'une étude des résultats de simulation à l'aide d'une méthode d'analyse en composantes principales (ACP). A partir d'un cas réel d'une cellule de polissage du verre, nous avons teste différentes politiques de gestion. Ainsi, nous mettons en évidence l'incidence des choix de gestion sur les performances du système de production

Les nouvelles voitures sont pourvues d’aides à la conduite qui améliorent le confort et la sécurité. Bien que ces systèmes contribuent à la réduction des accidents de la route, leur déploiement montre que leurs performances sont encore limitées par leur faible compréhension de situation. Cela est principalement lié aux limites des capteurs de perception, et à la non prise en compte du contexte. Ces limites se traduisent par des détections de risques tardives, et donc en assistances sous forme d’alertes ou de freinages automatiques. Cette thèse se concentre sur l’introduction d’informations contextuelles dans le processus de décision des systèmes d’aides à la conduite. Le but est de détecter des risques plus tôt que les systèmes conventionnels, ainsi que d’améliorer la confiance qu’on peut avoir dans les informations générées.Le comportement d’un véhicule dépend de divers éléments tels que le réseau routier, les règles de la circulation, ainsi que de la cohabitation avec d’autres usagers de la route. Ces interactions se traduisent par une interdépendance forte entre chaque élément. De plus, bien que chaque conducteur doive suivre les mêmes règles de circulation, ils peuvent réagir de façon différente à une même situation. Cela implique qu’un même comportement peut être considéré comme sûr ou risqué, selon le conducteur. Ces informations doivent être prises en compte dans le processus de prise de décision des systèmes. Cette thèse propose un cadre qui combine les informations a priori contenues dans les cartes de navigation numériques avec l’information temps réel fournie par les capteurs de perception et/ou communications sans fil, pour permettre une meilleure compréhension de situation et ainsi mieux anticiper les risques. Ce principe est comparable aux tâches qu’un copilote doit accomplir. Ces travaux se répartissent en deux principales étapes : la compréhension de situation, et l’estimation des risques.L’étape de compréhension de situation consiste à donner du sens aux différentes observations réalisées par les capteurs de perception, en exploitant des informations a priori. Le but est de comprendre comment les entités perçues interagissent, et comment ces interactions contraignent le comportement du véhicule. Cette étape établit les relations spatio-temporelles entre les entités perçues afin d’évaluer leur pertinence par rapport au véhicule, et ainsi extraire les entités les plus contraignantes. Pour cela, une ontologie contenant des informations a priori sur la façon dont différentes entités de la route interagissent est proposée. Cette première étape a été testée en temps réel, utilisant des données enregistrées sur un véhicule évoluant en environnements contraints.L’étape de détection des risques s’appuie sur la situation perçue, et sur les signes annonciateurs de risques. Le cas d’usage choisi pour cette étude se concentre sur les intersections, puisqu’une grande majorité des accidents de la route y ont lieux. La manière de réagir d’un conducteur lorsqu’il se rapproche d’une intersection est apprise par des Processus Gaussiens. Cette connaissance à priori du conducteur est ensuite exploitée, avec les informations contextuelles, par un réseau Bayésien afin d’estimer si le conducteur semble interagir comme attendu avec l’intersection. L’approche probabiliste qui a été choisie permet de prendre en compte les incertitudes dont souffrent chacune des sources d’information. Des tests ont été réalisés à partir de données enregistrées à bord d’un véhicule afin de valider l’approche. Les résultats montrent qu’en prenant en compte les individualités des conducteurs, leurs actions sur le véhicule, ainsi que l’état du véhicule, il est possible de mieux estimer si le conducteur interagit comme attendu avec l’environnement, et donc d’anticiper les risques. Finalement, il est montré qu’il est possible de générer une assistance plus préventive que les systèmes d’aide à la conduite conventionnels. / Modern vehicles include advanced driving assistance systems for comfort and active safety features. Whilst these systems contribute to the reduction of road accidents, their deployment has shown that performance is constrained by their limited situation understanding capabilities. This is mainly due to perception constraints and by ignoring the context within which these vehicles evolve. It results in last minute risk assessment, and thus in curative assistance in the form of warning alerts or automatic braking. This thesis focuses on the introduction of contextual information into the decision processes of driving assistance systems. The overall purpose is to infer risk earlier than conventional driving assistance systems, as well as to enhance the level of trust on the information provided to drivers.Several factors govern the vehicle behaviour. These include the road network and traffic rules, as well as other road users such as vehicles and pedestrians with which the vehicle interacts. This results in strong interdependencies amongst all entities, which govern their behaviour. Further, whilst traffic rules apply equally to all participants, each driver interacts differently with the immediate environment, leading to different risk level for a given behaviour. This information must be incorporated within the decision-making processes of these systems. In this thesis, a framework is proposed that combines a priori information from digital navigation maps with real time information from on board vehicle sensors and/or external sources via wireless communications links, to infer a better situation understanding, which should enable to anticipate risks. This tenet is similar to the task of a co-pilot when using a priori notated road information. The proposed approach is constrained by using only data from close to production sensors. The framework proposed in this thesis consists of two phases, namely situation understanding and risk assessment.The situation understanding phase consists in performing a high level interpretation of all observations by including a priori information within the framework. The purpose is to understand how the perceived road entities interact, and how the interactions constrain the vehicle behaviour. This phase establishes the spatio-temporal relationships between the perceived entities to determine their relevance with respect to the subject vehicle motion, and then to identify which entities to be tracked. For this purpose, an ontology is proposed. It stores a priori information about the manner how different road entities relate and interact. This initial phase was tested in real time using data recorded on a passenger vehicle evolving in constrained environments.The risk assessment phase then looks into the perceived situation and into the manner how it becomes dangerous. To demonstrate the framework applicability, a use case applied to road intersections was chosen. Intersections are complex parts in the road network where different entities converge and most accidents occur. In order to detect risk situations, the manner how the driver reacts in a given situation is learned through Gaussian Processes. This knowledge about the driver is then used within a context aware Bayesian Network to estimate whether the driver is likely to interact as expected with the relevant entities or not. The probabilistic approach taken allows to take into consideration all uncertainties embedded in the observations. Field trials were performed using a passenger vehicle to validate the proposed approach. The results show that by incorporating drivers’ individualities and their actuations with the observation of the vehicle state, it is possible to better estimate whether the driver interacts as expected with the environment, and thus to anticipate risk. Further, it is shown that it is possible to generate assistance earlier than conventional safety systems.

Les travaux présentés dans ce manuscrit portent sur la conduite de systèmes complexes critiques. Ils s'inscrivent dans le cadre du projet CONNEXION (Investissements d'Avenir, BGLE2) qui réunit les principaux acteurs de la filière nucléaire française autour de la conception des systèmes de contrôle-commande des centrales et de leur exploitation. Dans le domaine de la conduite, les actions développées par le projet concernent la phase d'ingénierie avec pour objectif d'intégrer le point de vue de l'exploitant au plus tôt dans la validation des architectures de contrôle de commande, et la phase d'exploitation avec pour objectif de fournir une aide à la préparation et à l'exécution des procédures de conduite. Dans ce contexte, la contribution présentée dans ce mémoire porte sur la génération et la vérification de séquences d'actions de conduite répondant à un objectif donné et pouvant être opérées en toute sécurité sur le procédé. L'approche proposée repose la vérification d'une propriété d'atteignabilité sur un réseau d'automates temporisés modélisant le comportement des architectures. L'originalité réside dans la définition d’un cadre formel de modélisation sous la forme de patrons favorisant la réutilisabilité des modèles ainsi que dans la proposition d'algorithmes d'abstraction et de recherche d'atteignabilité itératifs exploitant la hiérarchisation intrinsèque des architectures afin de permettre le passage à l'échelle de l'approche proposée. La contribution a été éprouvée sur la plate-forme d'expérimentation CISPI du CRAN puis sur un cas d'étude à échelle industrielle proposé dans le cadre du projet CONNEXION / The works presented in this manuscript deals with critical complex systems operation. They are part of the CONNEXION project (Investissements d'Avenir, BGLE2), which involves the main actors in the French nuclear industry around the design of control systems for power plants and their operation. In the operation field, the actions developed by the project concern the engineering phase with the aim of integrating the operator's point of view as soon as possible in the validation of control architectures, and the operation phase with the aim of providing assistance in the preparation and execution of operation procedures. In this context, the contribution presented in this manuscript deals with the generation and verification of action sequences that meet a given objective and that can be safely operated on the process. The proposed approach relies on verifying a reachability property on a network of timed automata modelling the behavior of architectures. The originality is in the definition of a formal modelling framework using patterns promoting the reusability of models, as well as in the proposition of abstraction and reachability iterative analysis algorithms exploiting the intrinsic hierarchization of architectures in order to scale-up of the proposed approach. The contribution was evaluated on the CISPI experimental platform of the CRAN, and on an industrial scale case study proposed within the framework of the CONNEXION project

Les conditions atmosphériques dégradées telles que la pluie et le brouillard altèrent temporairement les conditions de conduite. Sur le réseau secondaire, la sur-accidentologie observée dans ces conditions témoigne d'une mauvaise adaptation de la conduite et en particulier de la vitesse. Nous proposons une méthodologie permettant d'estimer une vitesse de référence le long d'un trajet ainsi qu'une méthode fondée sur l'étude du risque routier pour moduler la vitesse en conditions d'adhérence et de visibilité dégradées. Notre estimation du risque routier s'appuie sur la réalisation de scénarios, extraits de l'accidentologie, à l'aide d'un modèle d'interactions véhicule-infrastructure-conducteur. Nous prenons en compte des caractéristiques statiques propres à l'infrastructure et à son environnement et les conditions météorologiques estimées en temps réel dans l'environnement direct du véhicule. Nous montrons qu'il existe des outils permettant d'alimenter les modèles en caractéristiques statiques. Enfin, nous présentons les méthodes fondées sur l'utilisation d'une caméra embarquée permettant de détecter et de caractériser en ligne les conditions atmosphériques dégradées. Nous détaillons en particulier notre contribution au travers d'une méthode de détection et de caractérisation du brouillard de nuit. Celle-ci est constituée d'un système dual s'appuyant sur la détection des halos autour des sources de lumière et sur la détection du voile de rétrodiffusion des phares du véhicule. Nous proposons finalement une méthode statique par caméra permettant de calibrer le système en conditions écologiques.

Le travail de recherche concerne le traitement des données qualitatives par des méthodes neuronales. Différents modèles d'apprentissage non supervisés sont proposés.<br /><br />Ce travail de thèse a été réalisé à la direction de la recherche de RENAULT. Le travail s'est focalisé sur le développement d'un modèle de reconnaissance de trafic.<br /><br />Le premier modèle proposé dans cette thèse est dédié aux données binaires ''BTM''. C'est un modèle de quantification vectorielle de type carte topologique. Ce modèle prend les caractéristiques principales des cartes topologiques. Pour ce nouveau modèle, afin de prendre en compte les spécificités des données binaires, on a choisi de changer la métrique usuelle utilisée dans les modèles de cartes topologiques et d'utiliser la distance Hamming.<br /><br />Le second modèle est le premier modèle probabiliste de cartes topologiques dédié aux données binaires. Ce modèle s'inspire de travaux antérieurs qui modélisent une distribution par un mélange de mélange de lois de Bernoulli.<br /><br />Le troisième modèle est un nouveau modèle de carte topologique appelé CTM (Categorical topological Map) adapté à la classification non supervisée des données qualitatives multi-dimensionnelles. Ce nouveau modèle conserve cependant les principales caractéristiques des deux modèles précédents. Afin de maximiser les vraisemblance des données, CTM utilise de manière classique l'algorithme EM.<br /><br />Dans ce mémoire, on introduit le domaine d'application propre au travail mené chez RENAULT. Nous détaillerons l'apport original de notre travail: utilisation de l'information catégorielle pour traiter de la reconnaissance du trafic. Nous exposerons les différentes analyses effectuées sur l'application des algorithmes proposés.

Les récentes percées technologiques dans les domaines de l’actionnement, de la perception et de l’intelligence artificielle annoncent une nouvelle ère pour l’assistance à la conduite et les véhicules hautement automatisés. Toutefois, dans un contexte où l’automatisation demeure imparfaite, il est primordial de s’assurer que le système d’automatisation de la conduite puisse maintenir la conscience de la situation du conducteur afin que ce dernier puisse accomplir avec succès son rôle de supervision des actions du système. En même temps, le système doit pouvoir assurer la sécurité du véhicule et prévenir les actions du conducteur qui risqueraient de compromettre sa sécurité et celle des usagers de la route. Il est donc nécessaire d’intégrer dès la conception du système automatisé de conduite, la problématique des interactions avec le conducteur en réglant les problèmes de partage de tâche et de degré de liberté, d’autorité et de niveau d’automatisation du système. S’inscrivant dans le cadre du projet ANR-CoCoVeA (Coopération Conducteur-Véhicule Automatisé), cette thèse se penche de plus près sur la question de la coopération entre l’automate de conduite et le conducteur. Notre objectif est de fournir au conducteur un niveau d’assistance conforme à ses attentes, capable de prendre en compte ses intentions tout en assurant un niveau de sécurité important. Pour cela nous proposons un cadre général qui intègre l’ensemble des fonctionnalités nécessaires sous la forme d’une architecture permettant une coopération à plusieurs niveaux de la tâche de conduite. Les notions d’attribution des tâches et de gestion d’autorité avec leurs différentes nuances sont abordées et l’ensemble des fonctions du système identifiées dans l’architecture ont été étudiées et adaptées pour ce besoin de coopération. Ainsi, nous avons développé des algorithmes de décision de la manœuvre à effectuer, de planification de trajectoire et de contrôle qui intègrent des mécanismes leur permettant de s’adapter aux actions et aux intentions du conducteur lors d’un éventuel conflit. En complément de l’aspect technique, cette thèse étudie les notions de coopération sous l’angle des facteurs humains en intégrant des tests utilisateur réalisés sur le simulateur de conduite dynamique SHERPA-LAMIH. Ces tests ont permis à la fois de valider les développements réalisés et d’approfondir l’étude grâce à l’éclairage qu’ils ont apporté sur l’intérêt de chaque forme de coopération. / The recent technological breakthroughs in the actuation, perception and artificial intelligence domains herald a new dawn for driving assistance and highly automated driving. However, in a context where the automation remains imperfect and prone to error, it is crucial to ensure that the automated driving system maintains the driver’s situation awareness in order to be able to successfully and continuously supervise the system’s actions. At the same time, the system must be able to ensure the safety of the vehicle and prevent the driver’s actions that would compromise his safety and that of other road users. Therefore, it is essential that the issue of interaction and cooperation with the driver is addressed throughout the whole system design process. This entails the issues of task allocation, authority management and levels of automation. Conducted in the scope of the projet ANR-CoCoVeA (French acronym for: "Cooperation between Driver and Automated Vehicle"), this thesis takes a closer look at the question of cooperation between the driver and automated driving systems. Our main objective is to provide the driver with a suitable assistance level that accounts for his intentions while ensuring global safety. For this matter, we propose a general framework that incorporates the necessary features for a successful cooperation at the different levels of the driving task in the form of a system architecture. The questions of task allocation and authority management are addressed under their different nuances and the identified system functionalities are studied and adapted to match the cooperation requirements. Therefore, we have developed algorithms to perform maneuver decision making, trajectory planning, and control that include the necessary mechanisms to adapt to the driver’s actions and intentions in the case of potential conflicts. In addition to the technical aspects, this thesis studies the cooperation notions from the human factor perspective. User test studies conducted on the SHERPA-LAMIH dynamic simulator allowed for the validation of the different developments while shedding light on the benefits of different cooperation forms.