Analyse de l'activité de conduite par les chaînes de Markov cachées et les modèles de ruptures multi-phasiques: méthodologie et applications - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2006

Analyse de l'activité de conduite par les chaînes de Markov cachées et les modèles de ruptures multi-phasiques: méthodologie et applications

Résumé

The objective of this study is to establish an analysis framework in order to link the data recorded on vehicles with driver's behavior. To model sensors data evolution, we defined the weight hidden semi Markov model, and we presented theoretical results in a multi-phase random regression model. Then we developed a methodology to analyze driving activity. This was based on a semi-automatic learning process and structured by cognitive research results. To assess this methodology an experiment was conducted where 1209 driving sequences were recorded. This data was used to build Markov models linked with driving situations defined by the objective, the infrastructure seen by the driver and the initial speed. These models allow us to categorize, with a satisfactory rate, which situation or which group of situations the driver is in. Moreover, we showed the utility of the Markov models mixed with multi-phase models in order to automatically research a situation in a data set.
L'objet de cette thèse est d'établir un cadre d'analyse des données recueillies sur les véhicules en vue de les mettre en correspondance avec des comportements. Pour cela, nous avons défini le modèle Semi-Markovien caché pondéré pour modéliser les signaux issus des capteurs et établi des résultats théoriques sur les modèles de régressions multi-phasiques dans le cas linéaire et nonlinéaire. Puis, nous avons établi une méthodologie d'analyse de l'activité basée sur un apprentissage semi-automatique, et structurée par les résultats des modèles cognitifs du conducteur. Pour valider cette méthodologie, nous avons effectué une expérimentation où furent enregistrées 1209 séquences de conduite. Ces données nous ont permis d'implémenter des modèles de Markov cachées décrivant l'évolution des capteurs associés à des situations de conduite caractérisées par l'objectif, l'infrastructure perçue par le conducteur et la vitesse initiale. Les modèles générés nous permettent dès lors de catégoriser, avec un taux satisfaisant, à quelle situation ou à quel groupe de situation appartient une séquence inconnue. Par ailleurs, nous illustrons l'utilité des modèles markoviens conjugués aux modèles multi-phasiques pour la recherche automatique de situation dans un ensemble de données. Mot clés libres: modèle Semi-Markovien cachés pondéré, modèles multi-phasiques, apprentissage semi-automatique, catégorisation du comportement du conducteur, analyse de l'activité de conduite analyse hiérarchique
Fichier principal
Vignette du fichier
these_dapzol.pdf (2.9 Mo) Télécharger le fichier
Loading...

Dates et versions

tel-00543729 , version 1 (06-12-2010)

Identifiants

  • HAL Id : tel-00543729 , version 1

Citer

N. Dapzol. Analyse de l'activité de conduite par les chaînes de Markov cachées et les modèles de ruptures multi-phasiques: méthodologie et applications. Modélisation et simulation. Université Claude Bernard - Lyon I, 2006. Français. ⟨NNT : ⟩. ⟨tel-00543729⟩
153 Consultations
1833 Téléchargements

Partager

Gmail Facebook X LinkedIn More