Vous êtes ici : Accueil » Kiosque » Annonce

Identification

Identifiant: 
Mot de passe : 

Mot de passe oublié ?
Détails d'identification oubliés ?

Annonce

10 février 2021

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


Catégorie : Doctorant


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/)

Annonce officielle Cerema :

https://www.cerema.fr/fr/recrutement/cdd-doctoral-modelisation-simulation-stochastique-capacites

Date limite de candidature : 8 avril 2021

Début de la thèse : Octobre 2021

Spécialité de la thèse : Statistique, Automatique, Informatique

Mots-clefs : véhicule autonome, systèmes à base d’IA, 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 informatique, apprentissage machine (IA), et modèles stochastiques.

–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 d’évaluation par simulation, de l’impact des VA sur l’accidentologie.

La capacité de l’outil proposé (ESI ProSivic) à simuler le comportement humain, comme celui d’un VA, permettra de comparer les performances de ces deux populations dans l’évitement des situations accidentogènes, et d’estimer leurs probabilités de collisions respectives. 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 fréquences d’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.

 

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 véhicule autonome (VA), ainsi que sur la connaissance des scénarios d’accidents les plus fréquents (projet SURCA), pour proposer une méthode innovante d’évaluation par simulation, de l’impact des VA sur l’accidentologie.

La capacité de l’outil proposé (ESI ProSivic) à simuler le comportement humain, comme celui d’un VA, permettra de comparer les performances de ces deux populations dans l’évitement des situations accidentogènes, et d’estimer leurs probabilités de collisions respectives. 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.

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 (cf. par exemple Brenac & Clabaux 2010). Les scénarios retenus seront assimilés à des situation de conduites simplifiées. Par exemple, un choc par l’arrière sera assimilé à une situation de suivi de véhicules, dans lequel intervient un freinage brusque du véhicule leader. Certains paramètres de contexte pourront être simulés aléatoirement, dans la mesure ou leur impact, soit sur la réaction d’un conducteur humain, soit sur les capacités de détection des capteurs d’un VA, est modélisable.

Ainsi, il sera essentiel de proposer une modélisation simplifiée mais réaliste, autant pour le conducteur humain que pour le VA. En ce qui concerne le conducteur humain, l’étude de la littérature issue des nombreux FOT (Field Operational tests, par exemple euroFOT, Udrive, ou ecoDriver) fournira une connaissance et 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. L’approche sera statistique (distribution des temps de réaction par exemple), c’est-à-dire qu’en première approche, nous ne chercherons pas à simuler la perception humaine, mais utiliserons plutôt des distributions statistiques observées en situations réelles (distribution des temps de réaction par exemple). Le doctorant pourra bénéficier de la proximité avec l’UMR LaPEA (Laboratoire de Psychologie et d‘Ergonomie Appliquées) pour améliorer ses connaissances du comportement humain et de sa simulation.

En ce qui concerne la modélisation du VA, l’équipe encadrante (coté UGE) mettra à disposition un outil de simulation extrêmement complet (ProSivic) ainsi que des briques fonctionnelles, qui permettront une modélisation réaliste des capteurs et du comportement d’un VA. Cet outil autorise ensuite à modéliser l’environnement de conduite et ses caractéristiques : adhérence, visibilité, luminosité, etc. La simulation stochastique des scénarios devrait permettre de 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]. Enfin, le doctorant pourra bénéficier de la proximité sur le site de Versailles (Satory) du laboratoire d’accueil avec l’institut Vedecom, ce qui lui permettra d’acquérir les connaissances nécessaires sur le fonctionnement des prototypes de VA.

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, l’équipe encadrante dispose de liens étroits avec l’entreprise ESI, qui permettra un accès privilégié à son logiciel (ProSivic) et à ses algorithmes en cours de développement. Des comparaisons pourront être effectuées avec les ressources disponibles en « open source » (Kato 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.Implémentation du protocole de test complet, et exécution des simulations.

6.Analyse des résultats, valorisation et communication.

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

 

https://www.cerema.fr/fr/recrutement/cdd-doctoral-modelisation-simulation-stochastique-capacites

Dans cette rubrique

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