Aide à la conduite des systèmes à risques par la prise en compte du risque : exemple de l'application à la conduite automobile

Les systèmes à risques peuplent aujourd'hui notre quotidien, qu'il s'agisse des centrales nucléaires, du transport aérien ou de l'automobile individuelle. La conduite de ses systèmes diffère grandement entre chaque système. Cependant, un facteur essentiel est commun à chacun de ces systèmes. La conscience de la situation et en particulier la conscience du risque encouru conditionne en effet toute conduite d'un tel système. La défaillance de cette conscience de la situation peut ainsi entraîner des conduites en conditions dégradées plus risquées qui ont plus de risques d'accidents. Cette thèse propose ainsi un concept d'aide à la conduite visant à améliorer le niveau de sûreté de ces systèmes à risques. Pour ce faire on propose d'évaluer le niveau de risque courant et d'en informer le conducteur afin de l'inciter à rester dans une conduite sûre. Ce travail de thèse s'attache ensuite à proposer une telle aide appliquée au domaine de la conduite automobile et en propose une implémentation basée sur l'utilisation de la fusion de données multi capteurs pour détecter l'état de l'environnement, du véhicule et de son conducteur. Cette fusion de données permet par la suite au système de comprendre la situation de conduite courante et d'anticiper son évolution afin de prédire les risques encourus puis d'en informer le conducteur.Nowadays, risky systems are encountered in everyday life, from nuclear power plants to civilian air transport or individual vehicle driving. Driving such systems is greatly different from one system to the next. Yet, an essential factor is shared among all these systems. Situation awareness and risk awareness in particular drive any such system driving. Failure in correctly understanding the driving situation can result in driving in degraded conditions that are riskier and thus have more probability of an accident. This thesis thus proposes a driving assistant system aimed at improving risky systems safety. To reach this goal it is proposed to assess current risk level and to inform the driver to bring him to safer driving conditions. This concept is then applied for automotive driving. This thesis proposes an implementation of such an automotive driving assistant system based on multi sensors data fusion to assess environment, driver and vehicles states. Such fusion is later used by the system to understand current driving situation, predict its evolution to predict the risks applied to the driver and his vehicle so as to inform the driver afterwards