Segmentation automatique multidimensionnelle et classification de motifs temporels : application à la reconnaissance de situation de conduite en virage des deux roues motorisés ; Automatic segmentation and classification of multi-dimensional sequential patterns for Powered two-wheelers bend-taking recognition
You can manage bookmarks using lists, please log in to your user account for this.
Media type:
Text;
Electronic Thesis;
E-Book
Title:
Segmentation automatique multidimensionnelle et classification de motifs temporels : application à la reconnaissance de situation de conduite en virage des deux roues motorisés ; Automatic segmentation and classification of multi-dimensional sequential patterns for Powered two-wheelers bend-taking recognition
Footnote:
Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
Description:
La thématique « deux-roues motorisés «(2RM) est un sujet à forte attente sociétale en termes de sécurité routière. Les statistiques d'accidents montrent que les conducteurs de 2RM font partie des usagers de la route les plus vulnérables. L'accident en virage représente, pour le 2RM, plus de 50% des cas d'accidents impliquant un « véhicule seul » d'où la nécessité d'apporter des solutions. Cette thèse s’attache à l'analyse des signaux issus d’expérimentations réelles conduites dans le projet ANR VOROLO++. Ces dernières ont été menées sur une moto instrumentée dans un contexte de conduite réelle incluant des conduites sous différentes instructions avec des sujets ayant différents niveaux de l’expérience de conduite : novices et expérimentés. Dans la première partie de la thèse, des méthodes d'apprentissage non supervisé ont été développées pour l'analyse globale de la trajectoire d'un 2RM lors de la prise de virage. Cette méthodologie a été mise en œuvre pour la classification des différents comportements de conduite observés. Les résultats obtenus à l'issue de la mise en œuvre de cette méthodologie sont analysés puis interprétés. En outre, une analyse approfondie du comportement de conduite d'un conducteur en particulier a été menée, et ce dans le but d'étudier les actions du conducteur nécessaires au contrôle de l'inclinaison du véhicule dans les différentes phases du virage. La seconde partie de cette thèse porte sur le développement d'outils de segmentation et de classification de séquences de conduite d'un 2RM lors de la prise de virage. Pour ce faire, l'approche proposée repose sur un modèle de régression logistique à processus cachés. Ce modèle sert à la segmentation non supervisée des séquences de conduite. Des caractéristiques statistiques extraites de chaque segment sont utilisées comme entrées d’un classifieur pour classifier les comportements de conduite à l'entrée du virage. Les résultats obtenus sur une base de données réelle ont permis de montrer l’efficacité de la méthodologie proposée à la fois ...