L'augmentation dans les dernières décennies du nombre de véhicules présents sur les
routes ne s'est pas passée sans son lot d'impacts négatifs sur la société. Même s'ils ont
joué un rôle important dans le développement économique des régions urbaines à travers
le monde, les véhicules sont aussi responsables d'impacts négatifs sur les entreprises, car
l'inefficacité du
ot de traffic cause chaque jour d'importantes pertes en productivité.
De plus, la sécurité des passagers est toujours problématique car les accidents de voiture
sont encore aujourd'hui parmi les premières causes de blessures et de morts accidentelles
dans les pays industrialisés. Ces dernières années, les aspects environnementaux ont
aussi pris de plus en plus de place dans l'esprit des consommateurs, qui demandent
désormais des véhicules efficaces au niveau énergétique et minimisant leurs impacts sur
l'environnement.
évidemment, les gouvernements de pays industrialisés ainsi que les manufacturiers
de véhicules sont conscients de ces problèmes et tentent de développer des technologies
capables de les résoudre. Parmi les travaux de recherche en ce sens, le domaine des
Systèmes de Transport Intelligents (STI) a récemment reçu beaucoup d'attention. Ces
systèmes proposent d'intégrer des systèmes électroniques avancés dans le développement
de solutions intelligentes conçues pour résoudre les problèmes liés au transport automobile
cités plus haut.
Ce mémoire se penche donc sur un sous-domaine des STI qui étudie la résolution de
ces problèmes gr^ace au développement de véhicules intelligents. Plus particulièrement,
ce mémoire propose d'utiliser une approche relativement nouvelle de conception de tels
systèmes, basée sur l'apprentissage machine. Ce mémoire va donc montrer comment
les techniques d'apprentissage par renforcement peuvent être utilisées afin d'obtenir
des contrôleurs capables d'effectuer le suivi automatisés de véhicules. Même si ces
efforts de développement en sont encore à une étape préliminaire, ce mémoire illustre
bien le potentiel de telles approches pour le développement futur de véhicules plus
\intelligents". / The impressive growth, in the past decades, of the number of vehicles on the road has
not come without its share of negative impacts on society. Even though vehicles play
an active role in the economical development of urban regions around the world, they
unfortunately also have negative effects on businesses as the poor efficiency of the traffic
ow results in important losses in productivity each day. Moreover, numerous concerns
have been raised in relation to the safety of passengers, as automotive transportation
is still among the first causes of accidental casualties in developed countries. In recent
years, environmental issues have also been taking more and more place in the mind
of customers, that now demand energy-efficient vehicles that limit the impacts on the
environment.
Of course, both the governments of industrialized countries and the vehicle manufacturers
have been aware of these problems, and have been trying to develop technologies
in order to solve these issues. Among these research efforts, the field of Intelligent Transportation
Systems (ITS) has been gathering much interest as of late, as it is considered
an efficient approach to tackle these problems. ITS propose to integrate advanced
electronic systems in the development of intelligent solutions designed to address the
current issues of automotive transportation.
This thesis focuses on a sub-field ITS since it studies the resolution of these problems
through the development of Intelligent Vehicle (IV) systems. In particular, this thesis
proposes a relatively novel approach for the design of such systems, based on modern
machine learning. More specifically, it shows how reinforcement learning techniques can
be used in order to obtain an autonomous vehicle controller for longitudinal vehiclefollowing
behavior. Even if these efforts are still at a preliminary stage, this thesis
illustrates the potential of using these approaches for future development of \intelligent"
vehicles. / Inscrit au Tableau d'honneur de la Faculté des études supérieures
| Identifer | oai:union.ndltd.org:LACETR/oai:collectionscanada.gc.ca:QQLA.2009/26048 |
| Date | 02 1900 |
| Creators | Desjardins, Charles |
| Contributors | Chaib-draa, Brahim |
| Publisher | Université Laval |
| Source Sets | Library and Archives Canada ETDs Repository / Centre d'archives des thèses électroniques de Bibliothèque et Archives Canada |
| Language | English |
| Detected Language | French |
| Type | Electronic Thesis or Dissertation |
| Format | text/html, application/pdf |
| Rights | © Charles Desjardins, 2009 |
Page generated in 0.008 seconds