Prédiction des intentions des véhicules pour la conduite autonome en utilisant l'intelligence artificielle
Year: 2021
Type: dissertation
Abstract: Le défi actuel des constructeurs automobiles est de permettre au véhicule autonome de rouler sur la route d’une manière fiable, dans des conditions de circulation réelles et sur des infrastructures non spécifiques, sans l'intervention du conducteur. Son bon fonctionnement dépendra fortement du niveau de sécurité de l'équipement, de la qualité du logiciel et de la fiabilité des informations utilisées par l'intelligence intégrée.La véhicule autonome roule sur la route avec différents types de véhicules tels que les camions, les voitures et les motos ; ce qui l’entoure d’un environnement incertain et en plein de changement. Pour garantir la sécurité de la conduite autonome dans un tel environnement, le véhicule autonome doit pouvoir anticiper le mouvement futur des véhicules adjacents. La prédiction des intentions est la solution pour anticiper les mouvements de ces usagers de la route.Dans ce contexte, plusieurs difficultés doivent être surmontées pour assurer la cohabitation entre véhicules autonomes et véhicules traditionnels. L'adoption d'une méthode intelligente pour la prédiction des intentions est primordiale. Dans le cadre de cette thèse, des modèles de classification de manœuvres, prédiction de trajectoire et prise de décision sont mises en œuvre. En outre, les approches proposées sont basées sur l’apprentissage automatique. Ce type d’approche nécessite une large quantité de données incluant une variété de scènes, plusieurs jeux de données véhiculaires sont utilisés dans le cadre de cette thèse. L'objectif est d'avoir une prédiction à long-terme avec une grande précision de la trajectoire prédite et en anticipant la réalisation de la manœuvre en avance. Ce travail comporte une forte composante expérimentale avec des campagnes de mesure sur les véhicules d'essai VEDECOM. Ces essais ont permis la validation des méthodes d'apprentissage proposées avec des données réelles.
Source: theses.fr (ABES)
Author: Abdelmoudjib Benterki
Institution: Université Paris-Saclay
Language: French
Subfield: Automotive Engineering
Field: Engineering
Domain: Physical Sciences
Open Access status: green
OpenAlex ID: W7150795402