Cette thèse s’inscrit dans le développement et la conception de fonctions d’aide à la conduite pour les véhicules autonomes de niveau 3 et plus en milieu urbain ou péri urbain. Du fait d’un environnement plus complexe et de trajectoires possibles plus nombreuses et sinueuses, les algorithmes des véhicules autonomes développés pour l’autoroute ne sont pas adaptés pour le milieu urbain. L’objectif de la thèse est de mettre à disposition des méthodes et des réalisations pour permettre au véhicule autonome d’évoluer en milieu urbain. Cette thèse se focalise sur la proposition de solutions pour améliorer le guidage latéral des véhicules autonomes en milieu urbain à travers l’étude de la planification de trajectoire en situation complexe, l’analyse du comportement des usagers et l’amélioration du suivi de ces trajectoires complexes à faibles vitesses. Les solutions proposées doivent fonctionner en temps réel dans les calculateurs des prototypes pour pouvoir ensuite être appliquées sur route ouverte. L’apport de cette thèse est donc autant théorique que pratique.Après une synthèse des fonctions d’aide à la conduite présentes à bord des véhicules et une présentation des moyens d’essais mis à disposition pour la validation des algorithmes proposés, une analyse complète de la dynamique latérale est effectuée dans les domaines temporel et fréquentiel. Cette analyse permet alors la mise en place d’observateurs de la dynamique latérale pour estimer des signaux nécessaires aux fonctions de guidage latéral et dont les grandeurs ne sont pas toujours mesurables, fortement dégradées ou bruitées. La régulation latérale du véhicule autonome se base sur les conclusions apportées par l’analyse de cette dynamique pour proposer une solution de type multirégulateur capable de générer une consigne en angle volant pour suivre une trajectoire latérale quelle que soit la vitesse. La solution est validée tant en simulation que sur prototype pour plusieurs vitesses sur des trajectoires de changement de voie. La suite de la thèse s’intéresse à la génération d’une trajectoire en milieu urbain tenant compte non seulement de l’infrastructure complexe (intersection/rond-point) mais également des comportements des véhicules autour. C’est pourquoi, une analyse des véhicules de l’environnement est menée afin de déterminer leur comportement et leur trajectoire. Cette analyse est essentielle pour la méthode de génération de trajectoire développée dans cette thèse. Cette méthode, basée sur l’algorithme A* et enrichie pour respecter les contraintes géométriques et dynamiques du véhicule, se focalise d’abord dans un environnement statique complexe de type parking ou rond-point. Des points de passage sont intégrés à la méthode afin de générer des trajectoires conformes au code de la route et d’améliorer le temps de calcul. La méthode est ensuite adaptée pour un environnement dynamique où le véhicule est alors capable, sur une route à double sens de circulation, de dépasser un véhicule avec un véhicule arrivant en sens inverse. / This thesis is about the design of driving assistance systems for level 3 urban automated driving. Because of a more complex of the environment and a larger set of possible trajectories, the algorithms of highway automated driving are not adapted to urban environment. This thesis objective is to provide methods and algorithms to enable the vehicle to perform automated driving in urban scenarios, focusing on the vehicle lateral guidance and on the path planning. The proposed solutions operate in real-time on board of the automated vehicle prototypes. The contribution of this thesis is as theoretical as practical.After a synthesis of the driving assistance systems available on current cars and a presentation of the prototypes used for the validation of the algorithms developed in the thesis, a complete analysis of the vehicle lateral dynamics is carried out in time and frequency domains. This analysis enables the design of observers of the lateral dynamics in order not only to estimate signals required for the lateral guidance functions but also to increase reliability of available measurements. Based on the conclusions from the analysis of lateral dynamic, a multi-controller solution has been proposed. It enables the computation of a steering wheel input to follow a trajectory at any longitudinal speed. The solution is validated in simulation and on real road traffic for lane change scenarios. Another contribution consist in an analysis on the other vehicles of the environment is conducted in order to identify their behaviors and which maneuver there are performing. This analysis is essential for the path planning function developed in the thesis. This method, based on the A* algorithm and extended to respect geometric and dynamic constraints, firstly focuses on static environment such as a parking lot. Waypoints are added to the method in order to compute trajectories compatible with traffic regulation and improve the computation time. The method is then adapted for dynamic environment where, in the end, the vehicle is able to perform overtaking manoeuvers in a complex environment.

Au cours des dernières décennies, les constructeurs automobiles ont constamment introduit des innovations technologiques visant à rendre les véhicules plus sûrs. Le niveau de sophistication de ces systèmes avancés d’aide à la conduite s’est accru parallèlement aux progrès de la technologie des capteurs et de la puissance informatique intégrée. Plus récemment, une grande partie de la recherche effectuée par l'industrie et les institutions s'est concentrée sur l'obtention d'une conduite entièrement automatisée. Les avantages sociétaux potentiels de cette technologie sont nombreux, notamment des routes plus sûres, des flux de trafic améliorés et une mobilité accrue pour les personnes âgées et les handicapés. Toutefois, avant que les véhicules autonomes puissent être commercialisés, ils doivent pouvoir partager la route en toute sécurité avec d’autres véhicules conduits par des conducteurs humains. En d'autres termes, ils doivent pouvoir déduire l'état et les intentions du trafic environnant à partir des données brutes fournies par divers capteurs embarqués, et les utiliser afin de pouvoir prendre les bonnes décisions de conduite sécurisée. Malgré la complexité apparente de cette tâche, les conducteurs humains ont la capacité de prédire correctement l’évolution du trafic environnant dans la plupart des situations. Cette capacité de prédiction est rendu plus simple grâce aux règles imposées par le code de la route qui limitent le nombre d’hypothèses; elle repose aussi sur l’expérience du conducteur en matière d’évaluation et de réduction du risque. L'absence de cette capacité à comprendre naturellement une scène de trafic constitue peut-être, le principal défi qui freine le déploiement à grande échelle de véhicules véritablement autonomes sur les routes.Dans cette thèse, nous abordons les problèmes de modélisation du comportement du conducteur, d'inférence sur le comportement des autres véhicules, et de la prise de décision pour la navigation sûre. En premier lieu, nous modélisons automatiquement le comportement d'un conducteur générique à partir de données de conduite démontrées, évitant ainsi le réglage manuel traditionnel des paramètres du modèle. Ce modèle codant les préférences d’un conducteur par rapport au réseau routier (par exemple, voie ou vitesse préférées) et aux autres usagers de la route (par exemple, distance préférée au véhicule de devant). Deuxièmement, nous décrivons une méthode qui utilise le modèle appris pour prédire la séquence des actions à long terme de tout conducteur dans une scène de trafic. Cette méthode de prédiction suppose que tous les acteurs du trafic se comportent de manière aversive au risque, et donc ne peut pas prévoir les manœuvres dangereux ou les accidents. Pour pouvoir traiter de tels cas, nous proposons un modèle probabiliste plus sophistiqué, qui estime l'état et les intentions du trafic environnant en combinant la prédiction basée sur le modèle avec les preuves dynamiques fournies par les capteurs. Le modèle proposé imite ainsi en quelque sorte le processus de raisonnement des humains. Nous humains, savons ce qu’un véhicule est susceptible de faire compte tenu de la situation (ceci est donné par le modèle), mais nous surveillerons sa dynamique pour en détecter les écarts par rapport au comportement attendu. En pratique, la combinaison de ces deux sources d’informations se traduit par une robustesse accrue des estimations de l’intention par rapport aux approches reposant uniquement sur des preuves dynamiques. En dernière partie, les deux modèles présentés (comportemental et prédictif) sont intégrés dans le cadre d´une approche décisionnel probabiliste. Les méthodes proposées se sont vues évalués avec des données réelles collectées avec un véhicule instrumenté, attestant de leur efficacité dans le cadre de la conduite autonome sur autoroute. Bien que centré sur les autoroutes, ce travail pourrait être facilement adapté pour gérer des scénarios de trafic alternatifs. / During the past few decades automakers have consistently introduced technological innovations aimed to make road vehicles safer. The level of sophistication of these advanced driver assistance systems has increased parallel to developments in sensor technology and embedded computing power. More recently, a lot of the research made both by industry and institutions has concentrated on achieving fully automated driving. The potential societal benefits of this technology are numerous, including safer roads, improved traffic flows, increased mobility for the elderly and the disabled, and optimized human productivity. However, before autonomous vehicles can be commercialized they should be able to safely share the road with human drivers. In other words, they should be capable of inferring the state and intentions of surrounding traffic from the raw data provided by a variety of onboard sensors, and to use this information to make safe navigation decisions. Moreover, in order to truly navigate safely they should also consider potential obstacles not observed by the sensors (such as occluded vehicles or pedestrians). Despite the apparent complexity of the task, humans are extremely good at predicting the development of traffic situations. After all, the actions of any traffic participant are constrained by the road network, by the traffic rules, and by a risk-aversive common sense. The lack of this ability to naturally understand a traffic scene constitutes perhaps the major challenge holding back the large-scale deployment of truly autonomous vehicles in the roads.In this thesis, we address the full pipeline from driver behavior modeling and inference to decision-making for navigation. In the first place, we model the behavior of a generic driver automatically from demonstrated driving data, avoiding thus the traditional hand-tuning of the model parameters. This model encodes the preferences of a driver with respect to the road network (e.g. preferred lane or speed) and also with respect to other road users (e.g. preferred distance to the leading vehicle). Secondly, we describe a method that exploits the learned model to predict the future sequence of actions of any driver in a traffic scene up to the distant future. This model-based prediction method assumes that all traffic participants behave in a risk-aware manner and can therefore fail to predict dangerous maneuvers or accidents. To be able to handle such cases, we propose a more sophisticated probabilistic model that estimates the state and intentions of surrounding traffic by combining the model-based prediction with the dynamic evidence provided by the sensors. In a way, the proposed model mimics the reasoning process of human drivers: we know what a given vehicle is likely to do given the situation (this is given by the model), but we closely monitor its dynamics to detect deviations from the expected behavior. In practice, combining both sources of information results in an increased robustness of the intention estimates in comparison with approaches relying only on dynamic evidence. Finally, the learned driver behavioral model and the prediction model are integrated within a probabilistic decision-making framework. The proposed methods are validated with real-world data collected with an instrumented vehicle. Although focused on highway environments, this work could be easily adapted to handle alternative traffic scenarios.

Les travaux présentés dans cette thèse s'inscrivent un contexte d'amélioration de la productivité des pièces en TA6V. La maîtrise de l'usinage de cet alliage constitue un enjeu majeur pour les sous-traitants comme l'entreprise SOFOP qui doivent suivre les montées en cadence des principaux programmes aéronautiques. La première partie, basée sur un état de l'art académique, s'attache à identifier différents critères d'usinabilité du matériau au travers de plusieurs échelles. Dans un second temps, la démarche du Couple Outil-Matière (COM) est mise en œuvre sur deux outils utilisés par l'industriel afin de déterminer un espace de fonctionnement des conditions opératoires garantissant une amélioration de la productivité. La confrontation entre les résultats de la campagne expérimentale du COM et de l'application en contexte industriel a permis de souligner le fort impact de la stratégie d'usinage sur la durée de vie de l'outil de coupe. L'influence sur les mécanismes d'usure de la vitesse de coupe, souvent utilisée comme paramètre d'ajustement de la durée de vie en production, ainsi que de l'engagement radial de l'outil inhérent au parcours a été investiguée au travers d'un dispositif expérimental spécialement équipé d'une caméra thermique. Les liens entre les champs de températures et l'usure de l'outil de coupe ont ensuite été établis par des analyses MEB et EDX. L'étude phénoménologique ne permettant pas de pondérer l'impact des parcours d'usinage sur la durée de vie de l'outil de coupe, une approche statistique a alors été adoptée. Basée sur la récolte de la puissance de coupe en usinage, les corrélations établies entre les caractéristiques des signaux et la durée de vie de l'outil ont abouti à la proposition d'une modélisation expérimentale, fiabilisée vers de deux applications industrielles : une méthode de prédiction en amont de la production et une approche de surveillance de l'étatd'usure de l'outil en usinage / The work presented in this thesis aims at improving productivity when manufacturing TA6V parts. Knowledge and control of the milling process for this titanium alloy are a key challenge particularly for medium size companies like SOFOP who try to answer the increasing aeronautical parts market demand. The first section is focused on machinability criteria which are discussed through several scales. Then, following the couple tool-material method, working zones of two tools are determined in order to achieve productivity improvements. This results, obtained through laboratory tests have been faced with their industrial application and showed the strong links between milling paths and tool life. Influence of cutting speed and radial engagement has been investigated with a specifically developed experimental bench, equipped with a thermal camera. Indeed, the rst parameter is often considered as an adjustment variable for tool life during the validation phase and the other one is deeply linked with tool path. Temperature fields and tool wear have been correlated thanks to SEM and EDX images. Given the fact that the phenomenological study is not able to weight the impact of the tool path on tool life, a statistical approach hase been adopted. Based on cutting power signal collection, correlations have been established between signal features and tool life and led to the proposal of a verified experimental model allowing to consider two industrial applications : a tool life prediction method during the industrialization phase and an online tool life monitoring approach

Les systèmes de prévision des crues décrivent les transformations pluie-débit en se basant sur des représentations simplifiées. Ces représentations modélisent les processus physiques impliqués avec des descriptions empiriques, ou basées sur des équations de la mécanique classique. Les performances des modèles actuels de prévision des crues sont affectées par différentes incertitudes liées aux approximations et aux paramètres du modèle, aux données d’entrée et aux conditions initiales du bassin versant. La connaissance de ces incertitudes permet aux décideurs de mieux interpréter les prévisions et constitue une aide à la décision lors de la gestion de crue. L’analyse d’incertitudes dans les modèles hydrologiques existants repose le plus souvent sur des simulations de Monte-Carlo (MC). La mise en œuvre de ce type de techniques requiert un grand nombre de simulations et donc un temps de calcul potentiellement important. L'estimation des incertitudes liées à la modélisation hydrologique en temps réel reste donc une gageure. Dans ce projet de thèse, nous développons une méthodologie de prévision des crues basée sur les réseaux Bayésiens (RB). Les RBs sont des graphes acycliques dans lesquels les nœuds correspondent aux variables caractéristiques du système modélisé et les arcs représentent les dépendances probabilistes entre ces variables. La méthodologie présentée propose de construire les RBs à partir des principaux facteurs hydrologiques contrôlant la génération des crues, en utilisant à la fois les observations disponibles de la réponse du système et les équations déterministes décrivant les processus concernés. Elle est conçue pour prendre en compte la variabilité temporelle des différentes variables impliquées. Les dépendances probabilistes entre les variables (paramètres) peuvent être spécifiées en utilisant des données observées, des modèles déterministes existants ou des avis d’experts. Grâce à leurs algorithmes d’inférence, les RBs sont capables de propager rapidement, à travers le graphe, différentes sources d'incertitudes pour estimer leurs effets sur la sortie du modèle (ex. débit d'une rivière). Plusieurs cas d’études sont testés. Le premier cas d’étude concerne le bassin versant du Salat au sud-ouest de la France : un RB est utilisé pour simuler le débit de la rivière à une station donnée à partir des observations de 3 stations hydrométriques localisées en amont. Le modèle présente de bonnes performances pour l'estimation du débit à l’exutoire. Utilisé comme méthode inverse, le modèle affiche également de bons résultats quant à la caractérisation de débits d’une station en amont par propagation d’observations de débit sur des stations en aval. Le deuxième cas d’étude concerne le bassin versant de la Sagelva situé en Norvège, pour lequel un RB est utilisé afin de modéliser l'évolution du contenu en eau de la neige en fonction des données météorologiques disponibles. Les performances du modèle sont conditionnées par les données d’apprentissage utilisées pour spécifier les paramètres du modèle. En l'absence de données d'observation pertinentes pour l’apprentissage, une méthodologie est proposée et testée pour estimer les paramètres du RB à partir d’un modèle déterministe. Le RB résultant peut être utilisé pour effectuer des analyses d’incertitudes sans recours aux simulations de Monte-Carlo. Au regard des résultats enregistrés sur les différents cas d’études, les RBs se révèlent utiles et performants pour une utilisation en support d’un processus d'aide à la décision dans le cadre de la gestion du risque de crue. / Flood forecasting describes the rainfall-runoff transformation using simplified representations. These representations are based on either empirical descriptions, or on equations of classical mechanics of the involved physical processes. The performances of the existing flood predictions are affected by several sources of uncertainties coming not only from the approximations involved but also from imperfect knowledge of input data, initial conditions of the river basin, and model parameters. Quantifying these uncertainties enables the decision maker to better interpret the predictions and constitute a valuable decision-making tool for flood risk management. Uncertainty analysis on existing rainfall-runoff models are often performed using Monte Carlo (MC)- simulations. The implementation of this type of techniques requires a large number of simulations and consequently a potentially important calculation time. Therefore, quantifying uncertainties of real-time hydrological models is challenging. In this project, we develop a methodology for flood prediction based on Bayesian networks (BNs). BNs are directed acyclic graphs where the nodes correspond to the variables characterizing the modelled system and the arcs represent the probabilistic dependencies between these variables. The presented methodology suggests to build the RBs from the main hydrological factors controlling the flood generation, using both the available observations of the system response and the deterministic equations describing the processes involved. It is, thus, designed to take into account the time variability of different involved variables. The conditional probability tables (parameters), can be specified using observed data, existing hydrological models or expert opinion. Thanks to their inference algorithms, BN are able to rapidly propagate, through the graph, different sources of uncertainty in order to estimate their effect on the model output (e.g. riverflow). Several case studies are tested. The first case study is the Salat river basin, located in the south-west of France, where a BN is used to simulate the discharge at a given station from the streamflow observations at 3 hydrometric stations located upstream. The model showed good performances estimating the discharge at the outlet. Used in a reverse way, the model showed also satisfactory results when characterising the discharges at an upstream station by propagating back discharge observations of some downstream stations. The second case study is the Sagelva basin, located in Norway, where a BN is used to simulate the accumulation of snow water equivalent (SWE) given available weather data observations. The performances of the model are affected by the learning dataset used to train the BN parameters. In the absence of relevant observation data for learning, a methodology for learning the BN-parameters from deterministic models is proposed and tested. The resulted BN can be used to perform uncertainty analysis without any MC-simulations to be performed in real-time. From these case studies, it appears that BNs are a relevant decisionsupport tool for flood risk management.

La croissance et le vieillissement sont inévitables pour la race humaine. Chez les personnes âgées, le vieillissement est souvent accompagné par de nombreuses formes de maladies et de dangers dont les chutes qui affectent la qualité de vie et qui posent un enjeu socio-économique. Mais les chutes sont évitables. Les acteurs de santé, les scientifiques et les chercheurs combinent actuellement des efforts pour développer des systèmes de détection et de prédiction des chutes. Dans le contexte de la prédiction des chutes, l'objectif de cette thèse est d'élaborer le profile actimétrique des patients sensibles aux chutes afin de les alerter d'une possible chute. Ceci consiste principalement à développer un système capable de surveiller les paramètres de la marche des personnes durant leurs activités quotidiennes avec un minimum d'intrusivité. Dans une première contribution, nous avons proposé une classification générique des systèmes liés à la chute en fonction du déploiement de leurs capteurs. Nous avons distingué les systèmes portables, les systèmes non-portables et les systèmes qui combinent les deux. En se basant sur cette classification, nous avons proposé notre plateforme WMFL v1.0 dans une deuxième contribution. WMFL combine une chaussure équipée par des capteurs de force avec des dalles où nous avons intégrés des capteurs optiques infrarouges. La fusion de ces deux systèmes assure une prévention à l'intérieure et à l'extérieure des locaux. WMFL peut être aussi déployées dans une clinique. Dans une troisième contribution, nous avons proposé une méthode de prédiction des chutes en se basant sur l'analyse du déplacement du centre de pression (projeté du centre de masse) sur la surface plantaire du pied durant la marche. La méthode utilise la fenêtre glissante spatio-temporelle pour alerter le patient d'une chute potentielle et pour déterminer le risque de chute à la fin de la marche. / Growth is the normal change of the human body and getting old is inevitable to human race. As a result, elderly people are subject to many forms of diseases and dangers among which falls are considered very serious in terms of quality of life and socio-economic costs. But falls can be manageable. Health practitioners, scientists and researchers currently combine efforts to develop systems capable of detecting and predicting falls. In the context of fall prediction, the goal of this thesis is to elaborate the actimetric profile of fall sensitive patients to alert them from a potential fall. It mainly consists of developing a system capable of monitoring gait and balance parameters during their daily activities with minimum intrusiveness. These are usually assessed in clinical settings using high-cost tools. In our first contribution, we proposed a generic classification of fall-related systems based on their sensors deployment. These are classified as Wearable, Non-Wearable and Fusion Systems. Based on the generic classification, we proposed the WMFL v1.0 platform in our second contribution. WMFL fuses a Foot Wear Force Sensing device with an Ambient system using IR-sensing floor tiles. The platform can be deployed at homes or in clinics. It ensures an indoor-outdoor protection. In a third contribution, we proposed an early fall detection approach to determine the risk of falling by analyzing the displacement of the Center of Pressure projecting the amount of sway of the Center of Mass on the foot plantar surface. The method uses the spatio-temporal sliding window to alert the patient of a potential fall.

Le suivi d’objets et la prédiction de mouvement sont des aspects importants pour les véhicules autonomes. Tout d'abord, nous avons développé une méthode de suivi mono-objet en utilisant le compressive tracking, afin de corriger le suivi à base de flux optique et d’arriver ainsi à un compromis entre performance et vitesse de traitement. Compte tenu de l'efficacité de l'extraction de caractéristiques comprimées (compressive features), nous avons appliqué cette méthode de suivi au cas multi-objets pour améliorer les performances sans trop ralentir la vitesse de traitement. Deuxièmement, nous avons amélioré la méthode de suivi mono-objet basée sur DCF en utilisant des caractéristiques provenant d’un CNN multicouches, une analyse de fiabilité spatiale (via un masque d'objet) ainsi qu’une stratégie conditionnelle de mise à jour de modèle. Ensuite, nous avons appliqué la méthode améliorée au cas du suivi multi-objets. Les VGGNet-19 et DCFNet pré-entraînés sont testés respectivement en tant qu’extracteurs de caractéristiques. Le modèle discriminant réalisé par DCF est pris en compte dans l’étape d'association des données. Troisièmement, deux modèles LSTM (seq2seq et seq2dense) pour la prédiction de mouvement des véhicules et piétons dans le système de référence de la caméra sont proposés. En se basant sur des données visuelles et un nuage de points 3D (LiDAR), un système de suivi multi-objets basé sur un filtre de Kalman avec un détecteur 3D sont utilisés pour générer les trajectoires des objets à tester. Les modèles proposées et le modèle de régression polynomiale, considéré comme méthode de référence, sont comparés et évalués. / Object tracking and motion prediction are important for autonomous vehicles and can be applied in many other fields. First, we design a single object tracker using compressive tracking to correct the optical flow tracking in order to achieve a balance between performance and processing speed. Considering the efficiency of compressive feature extraction, we apply this tracker to multi-object tracking to improve the performance without slowing down too much speed. Second, we improve the DCF based single object tracker by introducing multi-layer CNN features, spatial reliability analysis (through a foreground mask) and conditionally model updating strategy. Then, we apply the DCF based CNN tracker to multi-object tracking. The pre-trained VGGNet-19 and DCFNet are tested as feature extractors respectively. The discriminative model achieved by DCF is considered for data association. Third, two proposed LSTM models (seq2seq and seq2dense) for motion prediction of vehicles and pedestrians in the camera coordinate are proposed. Based on visual data and 3D points cloud (LiDAR), a Kalman filter based multi-object tracking system with a 3D detector are used to generate the object trajectories for testing. The proposed models, and polynomial regression model, considered as baseline, are compared for evaluation.

Cette thèse traite de la Vision par Ordinateur - VO - et de sa relation avec l'Intelligence Artificielle - IA. Elle est composée de trois parties. La partie I "La Vision par Ordinateur - présentation et réflexions" donne, après une définition des deux domaines, un aperçu des approches théoriques et des réalisations existantes en VO utilisant des concepts de l'IA. Nous développons ensuite notre approche qui intégre 1e concept de structures de contrôle au sens de l'IA dans un système algorithmique incrémental (à base de coroutines). Cette approche, et quelques applications du système CAIMAN qui en résulte, sont détaillées dans les parties II et III_ La partie II "De la construction d'indices visuels" analyse des problèmes algorithmiques importants pour la vision "de bas niveau", notamment celui de l'extraction de segments de droites- La partie III "Sur la reconnaissance d'objets" étudie le problème de l'interprétation d'indices visuels en termes de modèles symboliques, et analyse plusieurs méthodes d'IA <br />permettant d'en maîtriser la combinatoire, en particulier la stratégie de prédiction - vérification

Des génomes entiers de bactéries sont séquencés en nombre croissant. Parallèlement sont mis en place des programmes d'analyse systématique de l'expression des gènes et des protéines dans différentes conditions. La compréhension du fonctionnement d'un organisme nécessite une annotation des fonctions des gènes et l'intégration de ces données dans des schémas fonctionnels. Les voies métaboliques constituent une classe de fonctions permettant d'aborder ce problème d'intégration, elles sont bien répertoriées chez de nombreux organismes et sont accessibles à l'expérimentation.<br />Dans un premier temps, nous avons développé une méthode automatique de prédiction de fonction spécifique des enzymes. Cette méthode nommée PRIAM (PRofils pour l'Identification Automatique du Métabolisme) repose sur la nomenclature des enzymes et sur la construction automatique d'un jeu de profils spécifiques des fonctions enzymatiques. Puis, cette méthode permet d'identifier les enzymes dans un génome complet et de visualiser les résultats obtenus sur les graphes des voies métaboliques de la base de données KEGG. <br />Dans un second temps, cette méthode a été appliquée sur le génome de la bactérie fixatrice d'azote Sinorhizobium meliloti et nous a permis l'analyse des voies métaboliques spécifiques de cet organisme symbiote.

Cette thèse CIFRE s'intéresse à la « prédiction de chocs véhicule-piéton » au sein d'un dispositif de protection des piétons, de type pré-crash. <br /><br />Les accidents véhicule-piéton ont d'abord été étudiés, afin de disposer d'une base de référence pour l'évaluation, grâce aux simulations, de systèmes intelligents de protection des piétons. Le comportement des piétons a ensuite été étudié, et un modèle statistique, à temps continu, reposant sur quatre états discrets, a été proposé et évalué. Ce modèle de piétons a été utilisé pour réaliser une prédiction probabiliste des chocs véhicule-piéton. Cette prédiction est réalisée grâce à des simulations de type Monte Carlo. Pour en améliorer l'efficacité, des méthodes de réduction de variance, de type « splitting » et « roulette russe » ont été évaluées. Enfin, diverses hypothèses sur la qualité des mesures, réalisées par le futur dispositif de « détection de piétons et d'estimation de leurs positions et vitesses relatives », qui sont les entrées du module de prédiction de chocs, ont été évaluées, afin de spécifier le besoin sur un tel dispositif. <br /><br />Ce travail a fait l'objet de trois articles publiés et de cinq brevets.

Ce projet de recherche contribue à la caractérisation du mouvement sismique. Le travail s'appuie sur deux réseaux japonais, où les événements retenus ont une profondeur inférieure à 25 km et une magnitude comprise entre 4,0 et 7,3. L'analyse de K-net permet de calculer une relation prédictive d'accélération spectrale afin de tester les formes spectrales forfaitaires de l'Eurocode 8. Nous mettons en évidence le contenu haute fréquence des signaux japonais et le rôle des sols dans l'amplification spectrale à basse fréquence. De plus, nous développons une méthode empirique de génération stochastique d'accélérogrammes synthétiques non-stationnaires qui permet d'obtenir pour une magnitude, une distance et un type de sol, plusieurs enregistrements susceptibles d'être générés au site considéré. Par ailleurs, l'exploitation des enregistrements de profondeur de Kik-net permet d'explorer la question du domaine de validité des modèles prédictifs et de préciser le cas où on extrapole les prédictions. Enfin, nous étudions le comportement non-linéaire des sols.