Les véhicules intelligents sont des véhicules dotés de systèmes permettant d’alerter le conducteur ou de prendre une décision en cas de danger imminent. Une condition sine qua non pour garantir un bon fonctionnement de ces systèmes est d’avoir une localisation précise du véhicule. En tirant profit des capteurs embarqués dans un véhicule, on peut exploiter la redondance de l’information afin d’obtenir un positionnement fiable. Cette information de localisation peut être alors utilisée dans un système d’aide à la conduite. Cette étude va se focaliser sur deux aspects. Dans un premier temps, un effort sera porté sur l'aspect localisation précise du véhicule lors de son déplacement. Il s’agit d’utiliser des approches bayésiennes pour fusionner les informations provenant de systèmes hétérogènes de navigation telle que le GPS et une centrale inertielle (INS) auxquels sera rajoutée ensuite l'odométrie. L'accent sera mis sur la précision des résultats. Ensuite, nous allons nous mettre en œuvre un régulateur de vitesse intelligent pour couvrir l’aspect navigation d’un véhicule.

L'introduction de systèmes d'aide à la conduite dans les voitures a de nombreuses conséquences, notamment sur le comportement des conducteurs et leur interaction avec le véhicule. Le gain de sécurité recherché lors de l'introduction de systèmes d'aide peut s'en trouver menacé. Pour évaluer la sécurité réelle en résultant, les simulateurs de conduite présentent une alternative sûre et peu coûteuse. Ce travail doctoral s'appuie sur des études expérimentales menées sur des simulateurs de conduite avec différents systèmes d'aide. Une première partie expérimentale porte sur l'assistance au contrôle longitudinal : la familiarisation des conducteurs avec un Forward Collision Warning lors de situations critiques a été étudiée. Une deuxième partie expérimentale porte sur l'assistance au contrôle latéral : le comportement des conducteurs avec un Lane Departure Warning et un Lane Keeping Assistant a été étudié, notamment lors d'une situation d'évitement d'obstacle d'urgence. Cette partie expérimentale a été réalisée sur un simulateur statique et sur un simulateur dynamique. Les résultats obtenus sur les deux simulateurs ont alors été mis en perspective, afin de discuter de l'intérêt de la restitution de mouvements pour l'étude du comportement des conducteurs en présence de systèmes d'aide à la conduite.

Les systèmes d’aide à la conduite, en général, et plus particulièrement les systèmes d’aide à l’évitement de collision sont de plus en plus en présents dans les véhicules car ils ont un très fort potentiel de réduction du nombre d’accidents de la circulation.En effet, ces systèmes ont pour rôle d’assister le conducteur, voire de se substituer à lui lorsque la situation de conduite indique un risque de collision important. Cette thèse traite du développement de ces systèmes en abordant quelques problématiques rencontrées.Afin de réagir convenablement, le système a d’abord besoin d’une représentation aussi fidèle que possible de l’environnement du véhicule. La perception est faite au moyen de capteurs extéroceptifs qui permettent de détecter les objets et d’en mesurer divers paramètres selon leur principe de mesure. La fusion des données individuelles des capteurs permet d’obtenir une information globale plus juste, plus certaine et plus variée. Ce travail traite en profondeur des méthodes de suivi d’objets par fusion de données multi-capteur, multimodale au niveau piste. Les approches proposées ont été évaluées puis approuvées grâce à des données de roulage réel et sur des données de conduite simulées.Il est ensuite nécessaire de faire une analyse de la scène perçue au cours du temps afin d’évaluer le risque de collision encouru par le véhicule porteur du système. Cette thèse propose des méthodes de prédiction de trajectoire et de calcul de probabilité de collision, à divers horizons temporels afin de quantifier le risque de collision et d’établir ainsi divers niveaux d’alerte au conducteur. Un simulateur de scénarios automobiles a été utilisé pour valider la cohérence des méthodes d’analyse de scène.Enfin, lorsque le risque de collision atteint un seuil jugé critique, le système doit calculer une trajectoire d’évitement de collision qui sera ensuite automatiquement exécutée. Les principales approches de planification de trajectoires ont été revues et un choix a été fait et motivé en accord avec le contexte de système d’aide à la conduite. / Driver assistant systems in general, and specially collision avoidance systems are more and more installed in recent vehicles because of their high potential in reducing the number road accidents. Indeed, those systems are designed to assist the driver or even to take its place when the risk of collision is very important. This thesis deals with the main challenges in the development of collision avoidance systems. In order to react in a convenient way, the system must, first, build a faithful representation of the environment of the ego-vehicle. Perception is made by means of exteroceptive sensors that detect objects and measure different parameters, depending on their measurement principle. The fusion of individual sensor data allows obtaining a global knowledge that is more accurate, more certain and more varied. This research work makes a deep exploration of high level multisensor, multimodal, multitarget tracking methods. The proposed approaches are evaluated and validated on real driving data and also on simulated scenarios. Then, the observed scene is continuously analyzed in order to evaluate the risk of collision on the ego-vehicle. The thesis proposes methods of vehicle trajectory prediction and methods to calculate the probability of collision at different prediction times. This allows defining different levels of alert to the driver. an automotive scenarion simulator is used to test and validate the proposed scene analysis approaches. Finally, when the risk of collision reaches a defined critical value, the system must compute a collision avoidance trajectory that will be automatically followed. The main approaches of trajectory planning have been revisited et one has chosen according to the context of driver assistant system.

Cette thèse en Cognitique se focalise sur la « Conception Centrée sur l'Humain » (Human Centred Design) de futures assistances à la conduite automobile, adaptées aux conducteurs âgés (ou Elderly Adapted Driver Assistance Systems).Pour ce faire, la démarche proposée repose sur une approche et une méthodologie pluridisciplinaire. Sur le plan ergonomique, il s'agit de mieux connaître les spécificitésde la population des conducteurs âgés, dans le but d'identifier des difficultés et des besoins en assistance. A cette fin, 76 conducteurs âgés (de 70 à 87 ans) ont conduitun véhicule instrumenté, immergé dans le trafic. Le corpus de données comporte2100 kilomètres de conduite et 1400 situations de conduite autoévaluées par lesconducteurs, complétés par 6 Focus Group (30 conducteurs âgés).Le second volet, relevant d'une démarche d'Ingénierie Cognitive, vise à concevoir et développer des fonctions de « monitorage » à partir du corpus de données. L'objectif est de disposer de modèles et de fonctions d'analyse temps-réel capables (1) de superviser l'activité de conduite des conducteurs âgés (2) en regard du contexte ou des risques situationnels, afin de (3) diagnostiquer des difficultés ou erreurs de conduite, à des fins d’adaptativité des assistances. Des fonctions de monitorage en lien avec les contrôles de base du véhicule (gestion de la vitesse, positionnement dans la voie et la gestion de l'espace inter-véhiculaire avant) sont développées. Sur cette base, des fonctions de monitorage plus intégrées pour l'aide aux franchissements d'intersections (Tourne-à-Gauche) et l'assistance à l'insertion sur voies rapides (et au changement de voie) sont également proposées. / This thesis in Cognitics presents a Human Centered Design approach for thedevelopment of future driving assistance systems dedicated to elderly drivers orElderly Adapted Driver Assistance Systems (E-ADAS).To do so, this work relies on a multi-disciplinary approach for data collection andanalysis. Regarding Ergonomics, the aim is to better understand the specificrequirements of this population in order to identify their actual difficulties and actualneeds of assistance. In this frame, 76 drivers (aged from 70 to 87 years old) took partto an on-the-road experiment, driving an instrumented car. The dataset includes2100 km of ecological driving data and 1400 auto-evaluated driving situations,completed by 6 Focus Groups (involving 30 elderly drivers).The second part of this research, relying on Cognitive Engineering, explores thedesign and implementation of monitoring functions based on the aforementioneddataset. The objective is to have real-time models and analytical functions, able to:(1) supervise the driving activity as realized by an elderly driver, (2) taking in toconsideration the driving context or situational risks (3) in order to detect difficulties ordriving errors. Beyond this thesis, these diagnostics will have to be integrated inassistive systems to better adapt their support to the specific needs of elderly drivers.Specific monitoring functions related to basic vehicle control (speed management,lane positioning and headway regulation) are presented. Based on these results,integrated monitoring functions for intersection crossings in Left-Turn manoeuver,highway merging assistance, and, more broadly, lane change assistance areintroduced.

Les systèmes d'aide à la conduite, en général, et plus particulièrement les systèmes d'aide à l'évitement de collision sont de plus en plus en présents dans les véhicules car ils ont un très fort potentiel de réduction du nombre d'accidents de la circulation.En effet, ces systèmes ont pour rôle d'assister le conducteur, voire de se substituer à lui lorsque la situation de conduite indique un risque de collision important. Cette thèse traite du développement de ces systèmes en abordant quelques problématiques rencontrées.Afin de réagir convenablement, le système a d'abord besoin d'une représentation aussi fidèle que possible de l'environnement du véhicule. La perception est faite au moyen de capteurs extéroceptifs qui permettent de détecter les objets et d'en mesurer divers paramètres selon leur principe de mesure. La fusion des données individuelles des capteurs permet d'obtenir une information globale plus juste, plus certaine et plus variée. Ce travail traite en profondeur des méthodes de suivi d'objets par fusion de données multi-capteur, multimodale au niveau piste. Les approches proposées ont été évaluées puis approuvées grâce à des données de roulage réel et sur des données de conduite simulées.Il est ensuite nécessaire de faire une analyse de la scène perçue au cours du temps afin d'évaluer le risque de collision encouru par le véhicule porteur du système. Cette thèse propose des méthodes de prédiction de trajectoire et de calcul de probabilité de collision, à divers horizons temporels afin de quantifier le risque de collision et d'établir ainsi divers niveaux d'alerte au conducteur. Un simulateur de scénarios automobiles a été utilisé pour valider la cohérence des méthodes d'analyse de scène.Enfin, lorsque le risque de collision atteint un seuil jugé critique, le système doit calculer une trajectoire d'évitement de collision qui sera ensuite automatiquement exécutée. Les principales approches de planification de trajectoires ont été revues et un choix a été fait et motivé en accord avec le contexte de système d'aide à la conduite.