Mié, 14/07/2004 10:07
Miguel Gonzalez
Hola a todos,
Me complace invitarles a mi defensa de tesis este viernes 16 de Julio de
2004 en la sala de Conferencias del LAAS a las 10h30.
Hasta pronto
Miguel GONZALEZ MENDOZA
Thèse LAAS, DIagnostic Supervision et COnduite qualitatifs.
Titre : Surveillance temps-réel des systèmes Homme-Machine. Application
à l'assistance à la conduite automobile
Date : 16 Juillet 2004
Heure : 10h30
Lieu : Salle de conférences
LAAS, 7 Av de Colonel Roche
31077 Toulouse Cedex 04
Diplôme : Thèse de doctorat de l'Institut National des Sciences
Appliquées de
Toulouse
Candidat : Miguel GONZALEZ MENDOZA
Jury :
Rapporteurs : Professeur MEIZEL Dominique
Professeur HERRERA CORRAL José Armando
Examinateur : DR. CNRS ESTEVE Daniel
Directeurs de thèse : Professeur TITLI André
Professeur HERNANDEZ GRESS Neil
Invités : Maître de conférences JAMMES Bruno
DR. SIEMENS BOVERIE Serge
DR. ACTIA THOMAS Jérôme
Email : mgonza@...
Résumé :
Ce travail se situe dans le cadre de la surveillance de systèmes
homme-machine,
où l'opérateur humain est un élément de décision dans la boucle. Ce
type de
systèmes nécessite une surveillance automatisée globale temps-réel,
incluant la
détection d'incidents techniques et de défaillances humaines. Partant de
l'hypothèse que la partie technologique travaille « correctement »
et/ou qu'elle
est surveillée par un système de diagnostic, nous nous centrons sur la
partie
opérateur humain, la plus critique à surveiller. Nous présentons un
système de
diagnostic appliqué à la surveillance du conducteur automobile à partir
d¡Çinformations fournies par des capteurs embarqués dans le véhicule. Les
travaux ont été développés dans le cadre du projet Européen AWAKE et
le projet
national « facteurs de dégradation de la vigilance et de la sécurité
dans les
transports » de PREDIT.
Nous proposons une stratégie générale de système temps-réel pour la
surveillance
du niveau de vigilance du conducteur (dynamique lente) et la
surveillance du
niveau de risque lié à la situation actuelle de conduite (dynamique
instantanée), à travers :
- L'analyse temporelle et fréquentielle des signaux mécaniques
(mesures de
performance) par ondelettes et filtres, pour en extraire des
caractéristiques
dynamiques, statistiques et fréquentielles sur la dégradation de la
conduite,
- L'apprentissage par SVM, méthode pour laquelle nous avons développé des
stratégies d'implémentation adaptées pour un apprentissage en ligne et
pour des
problèmes de grande taille,
- La fusion par FIS, afin de profiter de l'expertise humaine et
produire un
diagnostic sur le niveau de risque lié à la sortie de la voie de
circulation.
- La validation d'une telle approche à travers des EEG et EOG (mesures
physiologiques) et des autoévaluations (mesures subjectives).
Nous appliquons cette méthodologie à diverses expériences des
programmes AWAKE
et PREDIT réalisées sur des simulateurs ou des démonstrateurs.
Mots clés : Surveillance, Systèmes Homme-Machine, Performance Humaine,
Vigilance, Fatigue, Somnolence, Analyse des Signaux, Ondelettes,
Apprentissage
Statistique, Machines à Vecteurs de Support, Systèmes d'Inférence Flous,
Systèmes d'Assistance Intelligents, Détection de l'Hypovigilance
Conducteur
Automobile, Détection de Situations de Risque d'Accident dans la Conduite
Automobile.
Abstract:
This work is developed in the framework of human-machine systems
monitoring, in
which the human operator is a decision element in the control loop.
This type of
systems requires a global automated real-time monitoring, including the
detection of technical hitches and human faults. Assuming the
technological part
works "correctly" and/or that it is supervised by a diagnosis system,
we are
centered on the human operator part, the most critical to supervise.
We present
a diagnosis system and its application to driver's monitoring. The
system is
supported by information provided by onboard sensors. This work has been
developed in the framework of the European project AWAKE and the
French national
project "factors of vigilance degradation and safety in transports"
supported by
the PREDIT program.
This work proposes a real-time general strategy for monitoring the
vigilance
level of the driver (slow dynamics) and the monitoring of the risk
level related
to the current situation (instantaneous dynamics), through:
- Temporal and frequential analysis of vehicle's mechanical signals
(performance
measures) processed by wavelets and filters, to extract dynamic,
statistical and
frequential characteristics of driver's performance degradation,
- Characteristics learning by Support Vector Machines for which we
developed
adapted implementation strategies for an on-line learning and large-scale
problems,
- FIS fusion, in order to exploit the human expertise and to produce a
diagnosis
of the level of risk related to lane departure.
- Validation of such an approach through EEG and EOG (physiological
measurements) and self evaluations (subjective measurements).
We apply this methodology to various experiments under the framework
of AWAKE
and PREDIT carried out in simulators or demonstrators.
Key words : Monitoring, Human-Machine Systems, Human Performance,
Vigilance,
Fatigue, Drowsiness, Signal Analysis, Wavelets, Statistical Learning,
Support
Vector Machines, Fuzzy Inference Systems, Intelligent Assistance
Systems ,
Driver's Hypovigilance Detection, Detection of the Driving potential
situations
of accident risk.
Pour toutes informations sur le contenu de la thèse, prière de contacter
directement le candidat (mgonza@...).
Miguel GONZALEZ MENDOZA
Centre National de la Recherche Scientifique (CNRS)
Laboratoire d'Analyse et d'Architecture des Systèmes (LAAS)
Groupe: DIagnostic Supervision et COnduite Qualitatifs (DISCO)
7,avenue du colonel Roche Tel. (330) 5 61 33 69 43
31077, TOULOUSE Cedex 04 Fax. (330) 5 61 33 69 36
FRANCE
