Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

12 février 2020

Thèse : Modélisation et simulation stochastique des capacités de réduction du risque routier par les véhicules autonomes / Modelling and stochastic simulation of autonomous vehicles' capacity to reduce driving risk


Catégorie : Doctorant


Cette proposition de thèse souhaite s’appuyer sur les récentes évolutions des outils de simulation pour modéliser le comportement d’un véhicule autonome (VA), ainsi que sur la connaissance des scénarios d’accidents les plus fréquents, pour proposer une méthode innovante de génération aléatoire de scénarios accidentogènes permettant d’évaluer l’impact potentiel du VA sur l’accidentologie. La capacité de l’outil de simulation à reproduire le comportement humain, comme celui d’un VA, permettra de comparer les performances de ces deux populations en termes de gestion d’une situation accidentogène. Des milliers de variations aléatoires autour d’un même scénario, et ce pour plusieurs scénarios types, permettront d’apporter la puissance statistique nécessaire à des conclusions réalistes.

Les résultats obtenus permettront d’une part de fournir des éléments tangibles sur l’amélioration de la sécurité routière engendrée par les VA (par exemple en comparant les accidents évités entre VA et véhicules non autonomes), mais aussi d’attirer l’attention sur des scénarios spécifiques où cette amélioration ne serait pas aussi grande qu’espérée.


This thesis will use the recent evolution of simulation tools to model the behavior of a AV, and the knowledge of the most frequent accident scenarios, to propose an new method to generate random risky scenarios, allowing to evaluate the efficiency of the AV. The ability of the simulation tool to reproduce human behavior and AV behavior allows the comparison of the performance of each group in terms of risk management in a critical situation. Thousands of random variations of a scenario, for different risky scenarios, will give the statistical significance needed for realistic conclusions.

 

 

 

Modélisation et simulation stochastique des capacités de réduction du risque routier par les véhicules autonomes

Sujet de thèse proposé conjointement par le Cerema (https://www.cerema.fr/fr) et l’Université Gustave Eiffel (https://www.univ-gustave-eiffel.fr/)

 
 
Début de la thèse : Octobre 2020

Spécialité de la thèse : Statistique, Automatique, Informatique

Mots-clefs : véhicule autonome, accidents de la route, simulation stochastique, MCMC

Type de financement prévu : contrat doctoral (financement conjoint Cerema / UGE)

Etablissement d’inscription : UNIVERSITE PARIS – SACLAY

Ecole doctorale : STIC - Sciences et technologies de l'Information et de la Communication

Co-directeurs : Dominique Gruyer (UGE, Dpt. COSYS, laboratoire PICS-L) & Guillaume Saint Pierre (Cerema, DTerSO, DALETT , Equipe recherche STI)

Encadrant : Remi Sainct (UGE)

Sites géographiques :

·Cerema, Equipe Recherche STI, 1 avenue du colonel Roche, 31400 Toulouse

·Université Gustave Eiffel, Laboratoire PICS-L, 25 Allée des Marronniers, F-78000 Versailles

·La répartition du temps de présence du doctorant sur chacun des sites sera définie ultérieurement en accord avec toutes les parties.

Profil du candidat :

Diplômé(e) de Master Recherche (ou équivalent) en Mathématiques appliquées ou statistique ou Informatique décisionnelle, ou apprentissage et intelligence artificielle.

–Compétences en développement logiciel et bases de données.

–Bon bagage scientifique général, et plus particulièrement en statistique et probabilités.

–Bonne maîtrise de la communication en français et en anglais (oral/écrit).

–Qualités recherchées : grande motivation, autonomie, rigueur, force de proposition, ouverture aux approches pluridisciplinaires

Candidatures et contacts :Dominique.gruyer@univ-eiffel.fr, guillaume.saintpierre@cerema.fr, remi.sainct@univ-eiffel.fr.

 

Résumé du sujet :

Cette proposition de thèse souhaite s’appuyer sur les récentes évolutions des outils de simulation pour modéliser le comportement d’un véhicule autonome (VA), ainsi que sur la connaissance des scénarios d’accidents les plus fréquents, pour proposer une méthode innovante de génération aléatoire de scénarios accidentogènes permettant d’évaluer l’impact potentiel du VA sur l’accidentologie. La capacité de l’outil de simulation à reproduire le comportement humain, comme celui d’un VA, permettra de comparer les performances de ces deux populations en termes de gestion d’une situation accidentogène. Des milliers de variations aléatoires autour d’un même scénario, et ce pour plusieurs scénarios types, permettront d’apporter la puissance statistique nécessaire à des conclusions réalistes.

Les résultats obtenus permettront d’une part de fournir des éléments tangibles sur l’amélioration de la sécurité routière engendrée par les VA (par exemple en comparant les accidents évités entre VA et véhicules non autonomes), mais aussi d’attirer l’attention sur des scénarios spécifiques où cette amélioration ne serait pas aussi grande qu’espérée.

Abstract :

This thesis will use the recent evolution of simulation tools to model the behavior of a AV, and the knowledge of the most frequent accident scenarios, to propose an new method to generate random risky scenarios, allowing to evaluate the efficiency of the AV. The ability of the simulation tool to reproduce human behavior and AV behavior allows the comparison of the performance of each group in terms of risk management in a critical situation. Thousands of random variations of a scenario, for different risky scenarios, will give the statistical significance needed for realistic conclusions.

The results should on one hand give tangible elements on the increase of road safety using AVs (for example by comparing the number of avoided accidents between AVs and human drivers), but also draw attention on specific scenarios where this increase would be lower than expected.

Description du sujet (Français)

 
Description générale du sujet de recherche

Sous l’égide de l’ONISR, le Cerema, l’Université Gustave Eiffel (UGE, ex-Ifsttar), le LAB, le Ceesar et l’institut Vedecom, se sont associées en 2018 pour mener le projet Surca (Sécurité des usagers de la route et conduite automatisée). Il s’agit d’identifier des scénarios d’interactions entre les futurs véhicules autonomes (VA) et les autres usagers de la route (véhicules non autonomes, 2RM, piétons, cyclistes), avec notamment l’objectif d’identifier les conditions qui permettront aux VA de faire aussi bien que les conducteurs dans les conditions de conduite normales, et surtout, mieux qu’eux dans les situations accidentelles. Pour atteindre l’acceptabilité sociale, les VA devront prouver leur efficacité dans la gestion des situations accidentogènes. Or, une étude récente [Kalra & Paddock 2016] montre qu’il faudrait collecter plus de 100 millions de kilomètres, et même parfois plus de 100 milliards, pour démontrer sans ambiguïté la sécurité des véhicules autonomes. Malgré des efforts internationaux, l’industrie du VA est encore loin du compte, et il reste nécessaire d’exploiter d’autres moyens pour éclairer les performances sécuritaires du VA.

Cette proposition de thèse souhaite s’appuyer sur les récentes évolutions des outils de simulation pour modéliser le comportement d’un VA, ainsi que sur la connaissance des scénarios d’accidents les plus fréquents issus du projet Surca, pour proposer une méthode innovante de génération aléatoire de scénarios accidentogènes permettant d’évaluer l’efficacité d’un VA. La capacité de l’outil de simulation à reproduire le comportement humain, comme celui d’un VA, permettra de comparer les performances de ces deux populations en termes de gestion d’une situation accidentogène. Des milliers de variations aléatoires autour d’un même scénario, et ce pour plusieurs scénarios, permettront d’apporter la puissance statistique nécessaire à des conclusions réalistes.

La validité d’une simulation dépend de la pertinence de ses paramètres ou modèles utilisés. En particulier, il est crucial dans le cas présent de s’assurer de la représentativité des scénarios choisis (i.e. la présence de ces situations dans les BDD d’accidents, cf. projet Surca) et de leur intérêt en sécurité routière (par exemple Brenac & Clabaux 2010). De même, l’étude des résultats tirés des expérimentations de conduite en situations naturelles (euroFOT, Udrive, ecoDriver etc.) permettra d’obtenir des distributions réalistes pour les paramètres variables au sein des scénarios. Il en sera ainsi par exemple pour les vitesses pratiquées selon le type d’infrastructure, les profils de décélération/accélération, les temps de réactions, ou les actions de contremesures effectuées.

Il sera tout aussi crucial de proposer une modélisation simplifiée mais réaliste, autant pour le conducteur humain que pour le VA. La proximité de l’équipe encadrante de l’UGE avec l’UMR LaPEA (Laboratoire de Psychologie et d‘Ergonomie Appliquées) et avec l’institut Vedecom permettra au candidat d’acquérir les connaissances nécessaires à ce travail. La maîtrise par l’équipe encadrante de l’UGE d’un outil de simulation extrêmement complet (ProSivic, https://www.esi-group.com/fr/solutions-logicielles/environnement-virtuel/systemes-controles-virtuels/pro-sivictm) permettra une modélisation fine du comportement d’un VA. Enfin, le modèle stochastique utilisé devra garantir une bonne représentativité de la réalité des situations rencontrées et être à même de générer des situations réalistes. Il est proposé d’utiliser des méthodes de type Monte Carlo, et leurs variantes stochastiques : MCMC ou adaptative importance sampling [Robert & Casella 2004].

Les résultats obtenus permettront d’une part de fournir des éléments tangibles sur l’amélioration de la sécurité routière engendrée par les VA (par exemple en comparant les accidents évités entre VA et véhicules non autonomes), mais aussi d’attirer l’attention sur des scénarios spécifiques où cette amélioration ne serait pas aussi grande qu’espérée.

 
Etat de l’art

L’étude des premiers rapports d’accidents observés lors des premières expérimentations à grande échelle menées aux Etats Unis est un sujet majeur scruté par la communauté scientifique et industrielle (cf. Wang & Li 2019), mais les effectifs observés, de l’ordre de quelques centaines d’accidents, sont encore trop faibles pour rassurer le grand public.

La simulation, et en particulier l’outil ProSivic (conçu au PICS-L et racheté par la société ESI), est déjà un outil incontournable pour la conception et la validation des systèmes d’assistance à la conduite (ce que l’on appelle le prototypage virtuel), ou l’étude des véhicules connectés (Bounini et al. 2014). L’usage des algorithmes de « machine learning » au cœur des processus de décisions des VA rend indispensable l’apprentissage accéléré via la production de grandes quantités de données à l’aide de la simulation. Son usage s’est déjà imposé pour l’étude des conditions de la reprise en main des VA par l’humain (Merat et al. 2014), et de grands acteurs industriels se positionnent déjà sur le marché de la simulation complète des VA (https://www.nvidia.com/en-us/self-driving-cars/drive-constellation/).

La nécessité d’articuler le monde réel et simulé est un fait connu et documenté, dont le développement est en plein essor (Gechter et al. 2014).

La modélisation d’un VA est délicate car les développements récents sont propriétaires et confidentiels. Néanmoins, il existe des outils publics fournissant les briques de bases d’un VA (Kato et al. 2015).

 
Résultats escomptés

Le premier type de résultat escompté sera d’ordre méthodologique. La modélisation d’un VA complet, associant différentes briques logicielles (détection de marquage et reconnaissance d’objets par exemple) sera un résultat majeur en soi. La méthode stochastique de simulation de scénarios réalistes à partir d’un scénario réel (ou d’une typologie de scénarios réellement observés) sera un résultat valorisable dans la communauté de la simulation de trafic.

Le second type de résultat sera d’ordre opérationnel. La capacité à générer un grand nombre de situations faisant interagir différents modules (VA, autres véhicules, éventuellement piétons) en un temps de calcul raisonnable sera un résultat en soi digne d’intérêt dans la communauté du prototypage virtuel.

Le dernier type de résultat est de l’ordre de la connaissance scientifique. La comparaison sur des milliers de situations accidentogènes réalistes, entre un véhicule piloté par un humain, et un VA, permettra d’évaluer l’ampleur des différences de capacités de gestion du risque. Ce « gain » (estimable en comptant les situations ayant générées un choc pour chaque type de véhicule) pourra être plus ou moins important selon les typologies de scénarios testés. Cela servira alors à connaître les situations les plus complexes à gérer du point de vue du VA (qui peuvent être très simples du point de vue de l’humain).

L’ensemble de ces résultats permettront d’émettre des recommandations probablement utiles au législateur.

 
Programme de travail envisagé

Le programme de travail s’articule autour de 3 étapes :

1.Etat de l’art des scénarios accidentogènes les plus critiques du point de vue du VA : Ce travail se fera en exploitant principalement les sorties du projet Surca, ainsi que toute la littérature disponible (retours d’expérience des roulages de VA aux EU notamment). Cela permettra de connaître les scénarios d’interaction les plus fréquents, ainsi que les facteurs aggravants les plus significatifs (conditions météorologiques, masquages, présence d’usagers vulnérables, etc.). Cela permettra de définir les situations à simuler, ainsi que de proposer des distributions réalistes pour les paramètres d’influence.

2.Etude des méthodes stochastiques de simulation : Il s’agira pour le candidat de se familiariser avec les méthodes de Monte Carlo et leurs variantes stochastiques (MCMC notamment). Le choix éclairé des distributions des paramètres influençant le scénario permettra d’obtenir in fine, après de nombreuses itérations, une distribution de la probabilité d’accident relativement au type de véhicule et au type de scénario.

3.Prise en main et familiarisation avec le logiciel ProSivic : Cet outil complexe nécessite un investissement de fond et une localisation géographique à Versailles-Satory (localisation PICS-L et Vedecom).

4.Modélisation du système VA : Une fois familier du logiciel, le candidat devra articuler les différentes briques déjà disponibles, construire celles non encore existantes, et créer des environnements virtuels propres à chaque scénario.

5.Implémenter le protocole de test complet, et exécuter les simulations.

6.Analyser les résultats, valoriser et communiquer.

Les étapes 1 et 2 pourront être menées la première année, avec un encadrement géographique dans l’équipe recherche STI du Cerema Sud-Ouest à Toulouse. Les étapes 3 et 4 occuperont largement la deuxième année, la troisième année étant consacrée aux simulations proprement dites et à leur valorisation (étapes 5 et 6). Les étapes 3 à 6 bénéficieront de la proximité des encadrants du PICS-L de l’UGE, grâce à une localisation envisagée à Versailles-Satory pour les deux dernières années.

 

Références bibliographiques

Kalra, N., & Paddock, S. (2016). Driving to Safety: How Many Miles of Driving Would It Take to Demonstrate Autonomous Vehicle Reliability? RAND Corporation. Retrieved from http://www.jstor.org/stable/10.7249/j.ctt1btc0xw

Brenac T., Clabaux N., « Scénarios types d'accidents urbains n'impliquant pas de piétons et perspectives pour leur prévention. », INRETS, Département Mécanismes d'accidents, Edition : Bron : INRETS - 2010

Robert, C.P. and Casella, G. (2004) Monte Carlo Statistical Methods. Springer, New York. http://dx.doi.org/10.1007/978-1-4757-4145-2

Wang S, Li Z (2019) Exploring the mechanism of crashes with automated vehicles using statistical modeling approaches. PLoS ONE 14(3): e0214550. https://doi.org/10.1371/journal.pone.0214550

BOUNINI F., GINGRAS D., LAPOINTE V., GRUYER D., "Real-time simulator of collaborative autonomous vehicles", IEEE Int. Conf. on Advances in Computing, Comm. and Informatics ICACCI, Greater Noida, India, pp. 723 - 729, September 2014.

Merat, Natasha & Jamson, A. & Lai, F. & Daly, Michael & Carsten, Oliver. (2014). Transition to manual: Driver behaviour when resuming control from a highly automated vehicle. Transportation Research Part F: Traffic Psychology and Behaviour. 26. 1–9. 10.1016/j.trf.2014.09.005.

Gechter, F., Dafflon, B., Gruer, P., & Koukam, A. (2014). Towards a Hybrid Real/Virtual Simulation of Autonomous Vehicles for Critical Scenarios.

S. Kato, E. Takeuchi, Y. Ishiguro, Y. Ninomiya, K. Takeda and T. Hamada, "An Open Approach to Autonomous Vehicles," in IEEE Micro, vol. 35, no. 6, pp. 60-68, Nov.-Dec. 2015. doi: 10.1109/MM.2015.133

 


 

Description and work program (English version)

 

Title : Modelling and stochastic simulation of autonomous vehicles' capacity to reduce driving risk

 
General description :

In 2018, the Cerema, G. Eiffel University, LAB, Ceesar and Vedecom institute started the SURCA project (road users safety & automated driving), working for ONISR in France. They were to identify the interaction scenarios between the future autonomous vehicles (AVs) and other road users (non-autonomous vehicles, two-wheelers, pedestrians, etc.), with the idea of finding the conditions allowing AVs to perform as well as human drivers in normal driving conditions, and especially, better than them in an emergency, accident or near-accident situation. To reach social acceptance, AVs will have to prove their performance in handling these critical situations. However, a recent study [Kalra & Paddock 2016] showed we would need to collect the data of more than 100 million kilometers, or even 100 billions for some situations, to prove unambiguously the safety of autonomous cars. In spite of international effort, the AV industry is far from that, and it is necessary to explore other ways to evaluate the safety performances of AVs.

This thesis will use the recent evolution of simulation tools to model the behavior of a AV, and the knowledge of the most frequent accident scenarios from project Surca, to propose an new method to generate random risky scenarios, allowing to evaluate the efficiency of the AV. The ability of the simulation tool to reproduce human behavior and AV behavior allows the comparison of the performance of each group in terms of risk management in a critical situation. Thousands of random variations of a scenario, for different risky scenarios, will give the statistical significance needed for realistic conclusions.

The realism of a simulation depends on the chosen models and parameters. Specifically, it is crucial in this case to make sure the selected scenarios are representative (i.e. these situations actually occur in accident databases, cf project Surca), and interesting from a road safety perspective (using an abundant literature, for example Brenac & Clabaux 2010). The parameter distributions in each scenario will be chosen using the results of past naturalistic driving experiments (euroFOT, Udrive, ecoDriver, etc). Such parameters include driving speed depending on the infrastructure, acceleration/breaking profiles, reaction times, and countermeasures.

It will also be crucial to have a simplified but realistic model of the human driver, as well as the AV. The proximity of the Ifsttar management team with the LaPEA (ex-LPC) and the Vedecom Institute will allow the candidate to acquire the knowledge necessary for this work. Knowledge of the ProSivic software by the Livic team will allow for a detailed modeling of the AV's behavior. Finally, the chosen stochastic model should guarantee the representativity of the scenarios and generate realistic situations. Methods like Monte Carlo and their stochastic versions, MCMC or Adaptive importance sampling (Robert & Casella 2004) could be used.

The results should on one hand give tangible elements on the increase of road safety using AVs (for example by comparing the number of avoided accidents between AVs and human drivers), but also draw attention on specific scenarios where this increase would be lower than expected.

 
State of the art :

The study of the first accident reports involving autonomous vehicles observed during the first large-scale experiments in the US is a major topic the the scientific and industrial community (Wang & Li 2019), but the number of observations, a few hundreds, is still too small to reassure the general public.

Simulation, and in particular the ProSivic software, is already a key tool in the conception and validation of driving assistance systems (by virtual prototyping), or in the study of connected vehicles (Bounini et al. 2014). Connecting real situations and virtual testing is known to be necessary for the study of accidents (Gechter et al. 2014).

The modeling of an AV is complicated by the fact that recent developments are private and confidential. However, some public tools exists giving the basing constitutive elements of an AV (Kato et al. 2015).

 
Expected results :

The first result will be methodological. The full modelling of an AV, combining different pieces of software (lane marking detection and object recognition for example) will be a major result by itself. The stochastic method for the generation of a number of realistic scenarios starting from a real situation (or a typology of observed accidents) will be a valuable result for the traffic simulation community.

The second type of results will be operational. The ability to generate a variety of interaction situations between users (AVs, other vehicles, pedestrians) in a reasonable computation time is extremely valuable for virtual prototyping in general.

The last type of results is scientific knowledge. The comparison, on thousands of realistic and potentially risky situations, between a human driven vehicle and an AV, will give a quantitative evaluation of the difference in terms of risk mitigation abilities. This "gain" (estimated by counting the situations leading to a shock for each type of vehicle) could be higher or lower depending on the type of scenario, indicating which situations are the most complex for the AV to deal with (though these could be very simple for a human).

In terms of non-scientific results, the interest of the ministry of interior, in particular the ONISR, is very high on these questions. Similarly, national car-making industries might be interested in the conclusions. The spinoffs will be on one hand a decision-support tool for leaders, and on the other hand a technological and strategic orientation for industrials.

 
Program of the thesis:
This thesis will include 6 steps:

1.State of the art of the accident scenarios that are the most critical to AVs: this work will mostly use the results of the Surca project with G. Saint Pierre, and all available litterature (including reports for large-scale experiments in the US). This will allow to know the most likely interaction scenarios, and the aggravating factors that have the highest impact (weather conditions, blind spots, presence of vulnerable users, etc.). This will allow the definition of the situations to simulate, and give realistic distributions for the influencing parameters.

2.Study of stochastic simulation methods: the candidate will have to become familiar with Monte Carlo methods and their stochastic variants (including MCMC). Carefully choosing the distributions of the parameters influencing the scenario will allow, after many iterations, to get a distribution of the probability of accident for each type of vehicle and each type of scenario.

3.Learning to use the ProSivic software: this complex tool needs some time to become familiar with and a geographical relocalization in Versailles-Satory under the supervision of PICS-L researchers (after a first year in Toulouse at EPR STI).

4.Modeling of the AV system: once familiar with the software, the candidate will have to combine different available codes, build the non-existing ones, and create virtual environments for each scenarios.

5.Implementation of the complete test protocol, and simulation.

6.Analyze of the results, valorization and communication.

Steps 1 and 2 could be done during the first year; steps 3 and 4 will take most of the second year, the third one being used for the actual simulations and their valorization (steps 5 and 6).

 
Références :

Kalra, N., & Paddock, S. (2016). Driving to Safety: How Many Miles of Driving Would It Take to Demonstrate Autonomous Vehicle Reliability? RAND Corporation. Retrieved from http://www.jstor.org/stable/10.7249/j.ctt1btc0xw

Brenac T., Clabaux N., « Scénarios types d'accidents urbains n'impliquant pas de piétons et perspectives pour leur prévention. », INRETS, Département Mécanismes d'accidents, Edition : Bron : INRETS - 2010

Robert, C.P. and Casella, G. (2004) Monte Carlo Statistical Methods. Springer, New York. http://dx.doi.org/10.1007/978-1-4757-4145-2

Wang S, Li Z (2019) Exploring the mechanism of crashes with automated vehicles using statistical modeling approaches. PLoS ONE 14(3): e0214550. https://doi.org/10.1371/journal.pone.0214550

BOUNINI F., GINGRAS D., LAPOINTE V., GRUYER D., "Real-time simulator of collaborative autonomous vehicles", IEEE Int. Conf. on Advances in Computing, Comm. and Informatics ICACCI, Greater Noida, India, pp. 723 - 729, September 2014.

Merat, Natasha & Jamson, A. & Lai, F. & Daly, Michael & Carsten, Oliver. (2014). Transition to manual: Driver behaviour when resuming control from a highly automated vehicle. Transportation Research Part F: Traffic Psychology and Behaviour. 26. 1–9. 10.1016/j.trf.2014.09.005.

Gechter, F., Dafflon, B., Gruer, P., & Koukam, A. (2014). Towards a Hybrid Real/Virtual Simulation of Autonomous Vehicles for Critical Scenarios.

S. Kato, E. Takeuchi, Y. Ishiguro, Y. Ninomiya, K. Takeda and T. Hamada, "An Open Approach to Autonomous Vehicles," in IEEE Micro, vol. 35, no. 6, pp. 60-68, Nov.-Dec. 2015. doi: 10.1109/MM.2015.133



Dans cette rubrique

(c) GdR 720 ISIS - CNRS - 2011-2020.