Letteratura scientifica selezionata sul tema "Véhicules autonomes – Fiabilité"

L'Information joue un rôle clé dans la gestion des catastrophes naturelles et l'organisation des secours. Les drones légers actuels peuvent aider à améliorer l'évaluation de la situation. Ils soulagent les équipes de secours des tâches de collecte de données, qui restent un processus long. Dans le même temps, ces drones peuvent prendre part aux opérations de recherche grâce à leur autonomie et à leurs fonctions avancées de détection. Pour concrétiser cette vision, deux défis doivent être abordés. Le premier est d'atteindre une autonomie suffisante pour ces véhicules, tant en termes de navigation que d'interprétation des données détectées. La deuxième concerne la fiabilité de l'engin et sa robustesse face aux agressions d'origine accidentelles ou malveillantes. Cet article présente tout d'abord le potentiel des drones dans plusieurs scénarios humanitaires, puis quelques problèmes potentiels liés à de telles situations. Enfin, une architecture sécurisée de drones embarquée qui repose sur des protocoles cryptographiques et des capacités matérielles spécifiques est proposée.

L'industrie automobile est en pleine évolution, le numérique remplace peu à peu les systèmes mécaniques. L'avènement des voitures autonomes et connectées augmente le nombre et la complexité des systèmes électroniques et informatiques qui y sont embarqués, ce qui pose de nouveaux défis et nécessite de nouveaux processus pour les développer. En effet, par rapport aux véhicules classiques, ces objets hautement technologiques ont un rôle accru dans la sécurité de leurs passagers et de leur environnement. Les exigences en termes de fiabilité et de sécurité s'en trouvent accrues. Pour aborder cette nouvelle ère, les industriels doivent améliorer et trouver de meilleures méthodes de production .La thèse propose une méthode pour répondre à certains défis liés à l'impératif de fiabilité et de sécurité, que les limitations de l'approche de développement classique ne résolvent pas de façon satisfaisante. Elle consiste à introduire de la validation au plus tôt dans le cycle de vie du développement logiciel. La méthode pose les bases d'une démarche itérative pour la validation et la vérification des exigences et énoncés textuels afin de détecter des erreurs, des oublis ou des incohérences éventuels avant la réalisation. Cette démarche de qualification des exigences repose sur des techniques de modélisation et de vérification formelle. Elle utilise aussi des simulations pour l'analyse de traces et de scénarios. Elle est largement automatisée
The automotive industry is changing, digital is replacinggradually the mechanical systems. The advent of autonomous and connected cars increases the number and complexity of electronic and computer systems embedded in them, which poses new challenges and requires new processes to develop them.Indeed, compared to conventional vehicles, these highly technological objects have an increased role in the safety of their passengers and their environment. The requirements in terms of reliability and safety are increased. To approach this new era, manufacturers must improve and find better methods of production.The thesis proposes a method to meet certain challenges related to the imperative of reliability and security, that the limitationsof the traditional development approach do not solve satisfactorily. It consists of introducing validation as early as possible in the software development life cycle. The method lays the foundations of an iterative approach for the validation and verification of requirements and textual statements in order to detect any errors, omissions or inconsistencies before implementation. This requirement qualification process is based on modeling and formal verification techniques. It also uses simulations for trace and scenario analysis. They are largely automated

Depuis les débbuts du défi DARPA, la conception de voitures autonomes suscite unintérêt croissant. Cet intéreêt grandit encore plus avec les récents succès des algorithmesd'apprentissage automatique dans les tâches de perception. Bien que laprécision de ces algorithmes soit irremplaçable, il est très diffcile d'exploiter leurpotentiel. Les contraintes en temps réel ainsi que les problèmes de fiabilité alourdissentle fardeau de la conception de plateformes matériels efficaces. Nous discutonsles différentes implémentations et techniques d'optimisation de ces plateformes dansce travail. Nous abordons le problème de ces accélérateurs sous deux perspectives: performances et fiabilité. Nous proposons deux techniques d'accélération qui optimisentl'utilisation du temps et des ressources. Sur le voletfiabilité, nous étudionsla résilience des algorithmes de Machine Learning face aux fautes matérielles. Nousproposons un outil qui indique si ces algorithmes sont suffisamment fiables pour êtreemployés dans des systèmes critiques avec de fortes critères sécuritaire ou non. Unaccélérateur sur processeur associatif résistif est présenté. Cet accélérateur atteint desperformances élevées en raison de sa conception en mémoire qui remédie au goulotd'étranglement de la mémoire présent dans la plupart des algorithmes d'apprentissageautomatique. Quant à l'approche de multiplication constante, nous avons ouvertla porte à une nouvelle catégorie d'optimisations en concevant des accélérateursspécifiques aux instances. Les résultats obtenus surpassent les techniques les plusrécentes en termes de temps d'exécution et d'utilisation des ressources. Combinés àl'étude de fiabilité que nous avons menée, les systèmes ou la sécurité est de prioritépeuvent profiter de ces accélérateurs sans compromettre cette dernière
Since the early days of the DARPA challenge, the design of self-driving cars is catching increasing interest. This interest is growing even more with the recent successes of Machine Learning algorithms in perception tasks. While the accuracy of thesealgorithms is irreplaceable, it is very challenging to harness their potential. Realtime constraints as well as reliability issues heighten the burden of designing efficient platforms.We discuss the different implementations and optimization techniques in this work. We tackle the problem of these accelerators from two perspectives: performance and reliability. We propose two acceleration techniques that optimize time and resource usage. On reliability, we study the resilience of Machine Learning algorithms. We propose a tool that gives insights whether these algorithms are reliable enough forsafety critical systems or not. The Resistive Associative Processor accelerator achieves high performance due to its in-memory design which remedies the memory bottleneck present in most Machine Learning algorithms. As for the constant multiplication approach, we opened the door for a new category of optimizations by designing instance specific accelerators. The obtained results outperforms the most recent techniques in terms of execution time and resource usage. Combined with the reliability study we conducted, safety-critical systems can profit from these accelerators without compromising its security

De nos jours, le domaine des véhicules, y compris les véhicules autonomes et les villes intelligentes, est en train de se développer pour moderniser la vie humaine dans une ville où tout est connecté : les humains grâce à un smartphone, les infrastructures, les voitures et les motos. Dans un tel système, les informations sont échangées, traitées et utilisées pour le bon fonctionnement de toute entité dans le système. Cependant, la dépendance accrue à la communication véhiculaire en fait également une cible d'attaques de sécurité, ce qui pourrait entraîner la diffusion d'informations fausses ou manipulées provenant de sources malveillantes. Cela pourrait constituer une menace pour le bon fonctionnement du système et pourrait potentiellement entraîner des accidents. Pour résoudre ce problème, il est crucial de valider et de vérifier la communication pour garantir son exactitude et prévenir les attaques malveillantes. Nous avons pour objectif de formuler la détection de comportements anormaux pour les véhicules connectés et autonomes de niveau 4/5 d'automatisation. Dans notre thèse, nous proposons une architecture multicouche pour la détection de comportements anormaux avec un apprentissage automatique pour sécuriser la communication, les capteurs et les composants internes des véhicules connectés et autonomes. Cette architecture nous permet de proposer un nouveau modèle de réseau de neurones basé sur l'apprentissage par renforcement pour la détection de comportements anormaux. Nous avons montré dans un environnement simulé, à travers une évaluation, que notre modèle est capable de détecter des comportements anormaux nouveaux et fonctionne mieux que les algorithmes de l'état de l'art. De plus, nous abordons la fuite de données dans les communications véhiculaires et proposons une méthode de validation croisée pour éviter cette fuite dans les applications d'apprentissage automatique. Lors de l'évaluation des résultats de notre thèse, nous avons développé une simulation pour les environnements de véhicules, capable d'injecter et de détecter des comportements anormaux. Enfin, les idées développées dans cette thèse ont donné lieu à plusieurs publications
In recent years, the vehicular field has undergone significant advancements with the development of autonomous vehicles and smart cities. These advancements have brought about a modernization of human life, where everything is interconnected - from individuals through smartphones to infrastructure, cars, and motorcycles. In such a system, information is exchanged and processed, and used to ensure the proper functioning of all entities. However, the increased reliance on V2X communication also makes it a target for security attacks, which could lead to the dissemination of false or manipulated information from malicious sources. This could pose a threat to the proper functioning of the system and can potentially result in accidents. To address this problem, it is crucial to validate and verify the communication to ensure its accuracy and prevent malicious attacks. We aim to formulate misbehavior and misbehavior detection for connected and autonomous vehicles of level 4/5 automation. In our thesis, we propose a multi-layered architecture for the detection of abnormal behaviors with automatic learning to secure the connected and autonomous vehicles' communications, sensors, and internal components. The architecture allows us to propose a novel reinforcement learning based neural architecture for the detection of misbehaviors where we showed in a simulated environment, through evaluation, that the model is capable of detecting novel misbehaviors and performs better than current state-of-the-art algorithms. Furthermore, we tackle data leakage in V2X data and propose a cross-validation method to avoid said leakage in machine learning applications. We also developed a simulation for vehicular environments capable of injecting and detecting misbehaviors for the evaluation of our thesis results. The ideas developed in this research have resulted in several publications and have the potential to significantly enhance the security and reliability of vehicular systems

Dans cette thèse de doctorat, nous étudions comment des véhicules autonomes peuvent apprendre à garantir la sûreté et à éviter les accidents, bien qu'ils partagent la route avec des conducteurs humains dont les comportements sont incertains. Pour prendre en compte cette incertitude, nous nous appuyons sur les observations en ligne de l'environnement pour construire une région de confiance autour de la dynamique du système, qui est ensuite propagée au cours du temps pour borner l'ensemble des trajectoires possibles des véhicules à proximité. Pour assurer la sûreté en présence de cette incertitude, nous avons recours à la prise de décision robuste, qui préconise de toujours considérer le pire cas. Cette approche garantit que la performance obtenue pendant la planification sera également atteinte sur le système réel, et nous montrons dans une analyse de bout en bout que la sous-optimalité qui en résulte est bornée. Nous en fournissons une implémentation efficace, basée sur des algorithmes de recherche arborescente. Une seconde contribution est motivée par le constat que cette approche pessimiste tend à produire des comportements excessivement prudents : imaginez vouloir dépasser un véhicule, quelle certitude avez-vous que ce dernier ne changera pas de voie au tout dernier moment, provoquant un accident ? Ce type de raisonnement empêche les robots de conduire aisément parmi d'autres conducteurs, de s'insérer sur une autoroute ou de traverser une intersection, un phénomène connu sous le nom de « robot figé ». Ainsi, la présence d'incertitude induit un compromis entre deux objectifs contradictoires : sûreté et efficacité. Comment arbitrer ce conflit ? La question peut être temporairement contournée en réduisant au maximum l'incertitude. Par exemple, nous proposons une architecture de réseau de neurones basée sur de l'attention, qui tient compte des interactions entre véhicules pour améliorer ses prédictions. Mais pour aborder pleinement ce compromis, nous nous appuyons sur la prise de décision sous contrainte afin de considérer indépendamment les deux objectifs de sûreté et d'efficacité. Au lieu d'une unique politique de conduite, nous entrainons toute une gamme de comportements, variant du plus prudent au plus agressif. Ainsi, le concepteur du système dispose d'un curseur lui permettant d'ajuster en temps réel le niveau de risque assumé par le véhicule
In this Ph.D. thesis, we study how autonomous vehicles can learn to act safely and avoid accidents, despite sharing the road with human drivers whose behaviors are uncertain. To explicitly account for this uncertainty, informed by online observations of the environment, we construct a high-confidence region over the system dynamics, which we propagate through time to bound the possible trajectories of nearby traffic. To ensure safety under such uncertainty, we resort to robust decision-making and act by always considering the worst-case outcomes. This approach guarantees that the performance reached during planning is at least achieved for the true system, and we show by end-to-end analysis that the overall sub-optimality is bounded. Tractability is preserved at all stages, by leveraging sample-efficient tree-based planning algorithms. Another contribution is motivated by the observation that this pessimistic approach tends to produce overly conservative behaviors: imagine you wish to overtake a vehicle, what certainty do you have that they will not change lane at the very last moment, causing an accident? Such reasoning makes it difficult for robots to drive amidst other drivers, merge into a highway, or cross an intersection — an issue colloquially known as the “freezing robot problem”. Thus, the presence of uncertainty induces a trade-off between two contradictory objectives: safety and efficiency. How to arbitrate this conflict? The question can be temporarily circumvented by reducing uncertainty as much as possible. For instance, we propose an attention-based neural network architecture that better accounts for interactions between traffic participants to improve predictions. But to actively embrace this trade-off, we draw on constrained decision-making to consider both the task completion and safety objectives independently. Rather than a unique driving policy, we train a whole continuum of behaviors, ranging from conservative to aggressive. This provides the system designer with a slider allowing them to adjust the level of risk assumed by the vehicle in real-time

La qualité et la fiabilité des infrastructures routières jouent un rôle majeur dans la sécurité routière. Cela est d'autant plus vrai lorsque qu'on s'intéresse à la circulation de véhicules autonomes qui doivent être capables à terme de circuler seuls dans l'environnement routier. Les récents travaux menés au sein de VEDECOM montrent qu'une signalisation horizontale routière claire et visible est importante dans sa prise de décision. La détection des lignes de marquage sont en grande partie réalisée par des caméras. Afin d'optimiser cette approche et prévenir les situations de non détection, cette thèse propose des outils d'analyse de fiabilité et d'aide à la maintenance de la signalisation horizontale. Aujourd’hui, la fiabilité des marquages est basée le phénomène de rétro-réflexion : un véhicule éclaire avec ses feux de croisement un marquage qui renvoie la lumière vers le conducteur. Pour établir son niveau de dégradation, des campagnes d'inspection sont réalisées par des rétro-réflectomètres montés sur des véhicules traceurs. La littérature des trente dernières années présente essentiellement des modèles de dégradation basés sur des méthodes de régression. Ces derniers présentent de nombreuses difficultés à être déployés dans le cadre d'un plan de maintenance. Cette thèse propose d'aborder ces questions sous l'angle de la théorie de la fiabilité et de la maintenance tout en tenant compte des pratiques actuelles. Une ligne de marquage est ici interprétée comme un système multi-composants monté en parallèle. Cette thèse propose de l'analyser en quatre points. Premièrement, l'ensemble des inspections est formalisé en une base de suivi. Si des données sont manquantes et si l'historique de maintenance est indisponible, alors différentes approches basées sur une Classification Ascendante Hiérarchique (CAH) sont proposées afin de les estimer. Deuxièmement, l'entretien de la totalité d'une ligne est logistiquement délicat. Une CAH de la base de suivi a pour fonction d'établir les marquages suivant un même modèle de dégradation. Les clusters sont géographiquement localisés et corrélés à des situations précises comme un échangeur ou une agglomération. Pour ces raisons, ils sont interprétés comme des zones de maintenance stratégiques. Troisièmement, réaliser une analyse de Weibull des marquages. Les rétro-réflectomètres n'indiquent pas précisément les instants de défaillance. Ils sont statistiquement censurés à gauche, à droite ou par intervalle. En alternative à la méthode du Maximum de Vraisemblance, une approche basée sur un algorithme EM est proposé afin d'établir le modèle de Weibull et les censures estimées les plus vraisemblables. Dernièrement, deux stratégies de maintenance sont proposées : systématique par rapport à l'âge et conditionnée par la dégradation courante. Elles sont en adéquation avec les pratiques de maintenance. La première permet une gestion passive de l'entretien tandis que la seconde permet une connaissance avancée de la ligne de marquage dans le temps. A partir d'un système multi-composants non réparable et fortement censuré, les composants suivant un même modèle de dégradation sont classables, chaque groupe connait un modèle de durée de vie et finalement il est possible de déduire un plan de maintenance adapté
The quality and reliability of road infrastructure and its equipment play a major role in road safety. This is especially true if we are interested in autonomous car traffic. Recent papers from VEDECOM Institut proves that a clear and reliable road marking is important in it decison making. Marking lanes are detected by camera. These markings need an accurate maintenance strategy to guarantee that the markings remain perceptible. This report proposes different solutions based on the reliabilty and maintenance theory. Today, the markings reliability is based on the retroreflective illuminance. A retroreflective marking reflects light from a vehicle headlight back in the direction of the driver. Marking retroreflectivity can be dynamically inspected using a retroreflectometer. The litterature of the last thirty years proposes degradation models for retroreflective marking based on a regression model. All of them have a common weakness: they are difficult to apply directly to a given road network. This report presents maintenance models who math with current maintenance actions. A marking lane is interpreted as multi-unit systeme. All unit are laid in parallel. The global maintenance strategy is based on four points. First, the whole inspection data is formalized into one monitoring base. If inspection data is missing or if the maintenance historic is unavailable else an estimation process based on the Agglomerative Hierarchical Clustering (AHC) is proposed. Second, to replace a whole markings lane is logistically difficult to work. Again, an AHC of the monitoring proposed several clusters. Each cluster presents it own degradation model. Clusters are geographically tracked and correlated to specific situation (interchange, urban area, bypass...). That's why a cluster is interpreted as a maintenance strategic area. Thirdly, a Weibull analysis of each cluster is done. Current retroreflectometers cannot detects the exact faillure moment. this information is statistically censored. Three cases are identified : left, right and interval censored. To parameter a Weibull model, an EM Algorithm is propoased as an alternative to the Maximum Likelihood Estimator. This algorithm is also an estimator to censored markings life time. Lastly, two classic preventive maintenance strategies are proposed : systematic according to the age and conditionned to the current degradation. Each one is credible according the current maintenance practice. The first prposed a passsive managament of the markings maintenance. The second ensures an advanced knowledge of the road network over the time. On a multi-unit system no-repairable and strongly censored, units which admit the same degradation model are identified by a clustering approach. Each cluster present it own Weibull analysis. Finally, an adapted maintenance strategy is done

Les véhicules autonomes, tels que les drones, sont utilisés dans différents domaines d'application pour exécuter des missions simples ou complexes. D’un côté, ils opèrent généralement dans des conditions environnementales incertaines, pouvant conduire à des conséquences désastreuses pour l'humain et l'environnement. Il est donc nécessaire de surveiller continuellement l’état de santé du système afin de pouvoir détecter et localiser les défaillances, et prendre la décision en temps réel. Cette décision doit maximiser les capacités à répondre aux objectifs de la mission, tout en maintenant les exigences de sécurité. D’un autre côté, ils sont amenés à exécuter des tâches avec des demandes de calcul important sous contraintes de performance. Il est donc nécessaire de penser aux accélérateurs matériels dédiés pour décharger le processeur et répondre aux exigences de la rapidité de calcul.C’est ce que nous cherchons à démontrer dans cette thèse à double objectif. Le premier objectif consiste à définir un modèle pour l’état de santé et la décision. Pour cela, nous utilisons les réseaux Bayésiens, qui sont des modèles graphiques probabilistes efficaces pour le diagnostic et la décision sous incertitude. Nous avons proposé un modèle générique en nous basant sur une analyse de défaillance de type FMEA (Analyse des Modes de Défaillance et de leurs Effets). Cette analyse prend en compte les différentes observations sur les capteurs moniteurs et contextes d’apparition des erreurs. Le deuxième objectif était la conception et la réalisation d’accélérateurs matériels des réseaux Bayésiens d’une manière générale et plus particulièrement de nos modèles d’état de santé et de décision. N’ayant pas d’outil pour l’implémentation embarqué du calcul par réseaux Bayésiens, nous proposons tout un atelier logiciel, allant d’un réseau Bayésien graphique ou textuel jusqu’à la génération du bitstream prêt pour l’implémentation logicielle ou matérielle sur FPGA. Finalement, nous testons et validons nos implémentations sur la ZedBoard de Xilinx, incorporant un processeur ARM Cortex-A9 et un FPGA
Autonomous vehicles, such as drones, are used in different application areas to perform simple or complex missions. On one hand, they generally operate in uncertain environmental conditions, which can lead to disastrous consequences for humans and the environment. Therefore, it is necessary to continuously monitor the health of the system in order to detect and locate failures and to be able to make the decision in real time. This decision must maximize the ability to meet the mission objectives while maintaining the security requirements. On the other hand, they are required to perform tasks with large computation demands and performance requirements. Therefore, it is necessary to think of dedicated hardware accelerators to unload the processor and to meet the requirements of a computational speed-up.This is what we tried to demonstrate in this dual objective thesis. The first objective is to define a model for the health management and decision making. To this end, we used Bayesian networks, which are efficient probabilistic graphical models for diagnosis and decision-making under uncertainty. We propose a generic model based on an FMEA (Failure Modes and Effects Analysis). This analysis takes into account the different observations on the monitors and the appearance contexts. The second objective is the design and realization of hardware accelerators for Bayesian networks in general and more particularly for our models of health management and decision-making. Having no tool for the embedded implementation of computation by Bayesian networks, we propose a software workbench covering graphical or textual Bayesian networks up to the generation of the bitstream ready for the software or hardware implementation on FPGA. Finally, we test and validate our implementations on the Xilinx ZedBoard, incorporating an ARM Cortex-A9 processor and an FPGA

Les véhicules autonomes et connectés (VAC) doivent avoir une exigence de fiabilité et de sécurité adéquate dans un environnement incertain aux circonstances complexes. La technologie des capteurs, les actionneurs et l'intelligence artificielle (IA) améliorent constamment leurs performances, ce qui permet un développement continu des véhicules autonomes et une automatisation accrue de la tâche de conduite. Les VAC présentent de nombreux avantages dans la vie humaine, tels que l’augmentation de la sécurité routière, la réduction de la pollution et la fourniture d’une mobilité autonome aux non-conducteurs. Cependant, ces composants avancés créent un nouvel ensemble de défis en matière de sécurité et de fiabilité. Il est donc nécessaire d’évaluer ces technologies avant leur mise en œuvre.Nous étudions dans cette thèse la fiabilité du VAC dans son ensemble, en nous concentrant sur les capteurs et le système de communication. Pour cela, une analyse fonctionnelle a été réalisée pour le système VAC. Notre approche scientifique pour l'analyse de la fiabilité du VAC a été structurée avec des méthodes combinant des approches quantitatives et qualitatives (telles que l'analyse fonctionnelle interne et externe, l'analyse préliminaire des risques (APR) et l'analyse des modes de défaillance, de leurs effets et de leur criticité (AMDEC), etc. Afin de prouver nos résultats, une simulation a été réalisée à l'aide de la probabilité d'analyse d'arbre de défaillance (ADD) et elle a été réalisée pour valider l'approche proposée. Les données (taux d'échec) utilisées proviennent d'une base de données professionnelle concernant le type de composants présentés dans le système. À partir de ces données, un modèle probabiliste de dégradation a été proposé. Le calcul de probabilité a été effectué par rapport à un moment d'utilisation de référence. Par la suite, une analyse de sensibilité a été suggérée concernant les paramètres de fiabilité et des propositions de restructuration ont été élaborées pour les composants.CAV fournit des services de communication entre véhicules : véhicules à véhicules (V2V) ou avec infrastructures côté rue : véhicules à infrastructures (V2I). La technologie des “Communications dédiées à courte portée” (DSRC = Dedicated Short Range Communications) utilise plusieurs canaux pour fournir une variété d'applications de sécurité. Les applications de sécurité nécessitent des transmissions appropriées et fiables, tandis que les applications non liées à la sécurité exigent des performances et une vitesse élevée. Aujourd’hui, la diffusion de messages de sécurité de base (Basic safety message, BSM) est l’un des services fondamentaux des véhicules connectés. Pour cela, un modèle analytique destiné à évaluer la fiabilité des services de diffusion V2V relatifs à la sécurité basée sur IEEE 802.11 dans le système DSRC sur autoroute a été proposé. Enfin, une amélioration du modèle proposé a été faite afin d'accroître la fiabilité de la connexion V2V, en tenant compte de nombreux facteurs tels que la portée de transmission, la densité du véhicule, la distance de sécurité sur l'autoroute, le taux d'erreur de paquets, l'influence de bruit et les taux de défaillants pour les équipements de communications.L'évaluation de ces problèmes conduit à une analyse de sensibilité liée aux paramètres de fiabilité, ce qui contribue à davantage d'innovation dans les domaines de l'ingénierie automobile
Connected and Autonomous vehicles (CAV) must have adequate reliability and safety requirements in uncertain environments with complex circumstances. Sensor technology, actuators and artificial intelligence (AI) are constantly and rapidly evolving, thus enabling further development of self-driving vehicles, and increasing the automation of driving. CAV shows many benefits in human life such as increasing road safety, reducing pollution, and providing independent mobility to non-drivers. However, these advanced components create a new set of challenges concerning safety and dependability. Hence, it is necessary to evaluate these technologies before implementation.We study in this thesis the reliability of CAV as a whole, focusing on sensors and the communication system. For that purpose, a functional analysis was done for the CAV system.Our scientific approach for the analyzing the CAV reliability, was structured with methods that combine quantitative and qualitative approaches such as functional analysis for both internal and external, Preliminary Risk Analysis (PRA), and failure modes and effects criticality analysis (FMECA), in addition to other analysis techniques.To prove our results, a simulation was done using the Fault Tree analysis (FTA) probability in order to validate the proposed approach. The data (Failure ratio) used were from a professional database related to the type of components presented in the system. Using this data, a probabilistic model of degradation was proposed. A probability calculation was performed in relation to a reference time of use. Thereafter a sensitivity analysis was suggested concerning the reliability parameters and redesign proposals developed for the components.CAV provide several communication models: vehicles to vehicle (V2V), or with Road Side Infrastructure: vehicle to infrastructure (V2I). Dedicated Short Range Communication (DSRC) employs a multichannel approach to cater for a variety of safety and non-safety applications. Safety applications necessitate appropriate and reliable transmissions, while non-safety applications require performance and high speed. Broadcasting of Basic Safety Messages (BSM) is one of the fundamental services in today’s connected vehicles. For that, an analytical model to evaluate the reliability of IEEE 802.11 based V2V safety-related broadcast services in DSRC system on highway was proposed. Finally, an enhancement on the proposed model was made in order to increase the reliability of the V2V connection, taking into consideration many factors such as transmission range, vehicle density, and safety headway distance on highway, packet error rate, noise influence, and failures rates of communication equipment.Evaluating these problems leads to a sensitivity analysis related to reliability parameters, which helps further innovation in CAV and automobile engineering

La navigation autonome des systèmes robotiques mobiles a suscité un grand intérêt dans la communauté scientifique ces dernières années. Cela est principalement dû à la diversité de ses secteurs d’applications et les différents challenges qu'elle représente. En raison de l'absence d'une intervention humaine, la navigation autonome doit être sûre, fiable et précise. Néanmoins, elle peut être sujet à différentes dégradations qui peuvent compromettre son objectif. En effet, les perturbations externes, tout comme les défauts capteurs et actionneurs, affectent les différents aspects de la navigation autonome que sont la localisation, la planification et le suivi de trajectoire. C'est pourquoi nous consacrons cette thèse à l'étude et à la conception de nouveaux algorithmes qui contribuent à rendre le système de navigation robuste et tolérant aux défauts. Nous avons fait le choix d'utiliser des algorithmes de diagnostic de défauts capteurs et actionneurs à base de résidus, et une commande robuste par modes glissants permettant d'assurer une tolérance passive contre une classe plus large de perturbations externes, qui ne sont pas forcément bornées d'une manière uniforme. La couche de diagnostic proposée est purement informationnelle. Elle se base sur l'utilisation de deux filtres informationnels avec différents modèles d'évolution, et les divergences de Bhattacharyya et de Kullback-Leibler pour la conception des résidus. Ces résidus sont évalués via des méthodes statistiques pour permettre la détection, la localisation et l'exclusion de défauts capteurs et actionneurs. L'approche proposée est appliquée sur des systèmes robotiques mobiles à roues avec entraînement différentiel. Les résultats expérimentaux obtenus sur la plate-forme robotique PRETIL de CRIStAL sont présentés et discutés
Over the last years, autonomous navigation for mobile robot systems has known an increasing interest from the scientific community. This is mainly due to the diversity of its applications and the different challenges that it represents. Without any human intervention, autonomous navigation must be safe, reliable and accurate. Nevertheless, it may be subject to various degradations that could compromise its objective. Indeed, external disturbances, as well as sensor and actuator faults, may affect the different aspects of autonomous navigation, which are localization, path planning and trajectory tracking. This is why we are devoting this thesis to the design of new algorithms that contribute to make the navigation system robust against external disturbances and tolerant to sensor and actuator fauts. We have adopted a residual generation based fault-diagnosis strategy combined with a robust sliding mode controller that is robust against a certain class of perturbations that are not necessary uniformly bounded. The proposed diagnostic layer is purely informational. It is based on the use of two information filters with different evolution models, and the divergences of Bhattacharyya and Kullback-Leibler for residual design. These residuals are evaluated using statistical methods, in order to detect, isolate then exclude sensor and actuator faults from the navigation system. The proposed approach is applied to different differential drive mobile-robot systems. Experimental results obtained by using the CRIStAL robotic platform, so-called PRETIL, are presented and discussed

Les véhicules automobiles autonomes sont des systèmes critiques. En effet, suite à leurs défaillances, ils peuvent provoquer des dégâts catastrophiques sur l'humain et sur l'environnement dans lequel ils opèrent. Le contrôle des véhicules autonomes robotisés est une fonction complexe, qui comporte de très nombreux modes de défaillances potentiels. Dans le cas de plateformes expérimentales qui n'ont suivi ni les méthodes de développement ni le cycle de certification requis pour les systèmes industriels, les probabilités de défaillances sont beaucoup plus importantes. En effet, ces véhicules expérimentaux se heurtent à deux problèmes qui entravent leur sûreté de fonctionnement, c'est-à-dire la confiance justifiée que l'on peut avoir dans leur comportement correct. Tout d'abord, ils sont utilisés dans des environnements ouverts, au contexte d'exécution très large. Ceci rend leur validation très complexe, puisque de nombreuses heures de test seraient nécessaires, sans garantie que toutes les fautes du système soient détectées puis corrigées. De plus, leur comportement est souvent très difficile à prédire ou à modéliser. Cela peut être dû à l'utilisation des logiciels d'intelligence artificielle pour résoudre des problèmes complexes comme la navigation ou la perception, mais aussi à la multiplicité de systèmes ou composants interagissant et compliquant le comportement du système final, par exemple en générant des comportements émergents. Une technique permettant d'augmenter la sécurité-innocuité (safety) de ces systèmes autonomes est la mise en place d'un composant indépendant de sécurité, appelé « Safety-Bag ». Ce système est intégré entre l'application de contrôle-commande et les actionneurs du véhicule, ce qui lui permet de vérifier en ligne un ensemble de nécessités de sécurité, qui sont des propriétés nécessaires pour assurer la sécurité-innocuité du système. Chaque nécessité de sécurité est composée d'une condition de déclenchement et d'une intervention de sécurité appliquée quand la condition de déclenchement est violée. Cette intervention consiste soit en une inhibition de sécurité qui empêche le système d'évoluer vers un état à risques, soit en une action de sécurité afin de remettre le véhicule autonome dans un état sûr. La définition des nécessités de sécurité doit suivre une méthode rigoureuse pour être systématique. Pour ce faire, nous avons réalisé dans nos travaux une étude de sûreté de fonctionnement basée sur deux méthodes de prévision des fautes : AMDEC (Analyse des Modes de Défaillances, leurs Effets et leur Criticité) et HazOp-UML (Etude de dangers et d'opérabilité) qui mettent l'accent respectivement sur les composants internes matériels et logiciels du système et sur l'environnement routier et le processus de conduite. Le résultat de ces analyses de risques est un ensemble d'exigences de sécurité. Une partie de ces exigences de sécurité peut être traduite en nécessités de sécurité implémentables et vérifiables par le Safety-Bag. D'autres ne le peuvent pas pour que le système Safety-Bag reste un composant relativement simple et validable. Ensuite, nous avons effectué des expérimentations basées sur l'injection de fautes afin de valider certaines nécessités de sécurité et évaluer le comportement de notre Safety-Bag. Ces expériences ont été faites sur notre véhicule robotisé de type Fluence dans notre laboratoire dans deux cadres différents, sur la piste réelle SEVILLE dans un premier temps et ensuite sur la piste virtuelle simulée par le logiciel Scanner Studio sur le banc VILAD. Le Safety-Bag reste une solution prometteuse mais partielle pour des véhicules autonomes industriels. Par contre, il répond à l'essentiel des besoins pour assurer la sécurité-innocuité des véhicules autonomes expérimentaux
Autonomous automotive vehicles are critical systems. Indeed, following their failures, they can cause catastrophic damage to the human and the environment in which they operate. The control of autonomous vehicles is a complex function, with many potential failure modes. In the case of experimental platforms that have not followed either the development methods or the certification cycle required for industrial systems, the probabilities of failure are much greater. Indeed, these experimental vehicles face two problems that impede their dependability, which is the justified confidence that can be had in their correct behavior. First, they are used in open environment, with a very wide execution context. This makes their validation very complex, since many hours of testing would be necessary, with no guarantee that all faults in the system are detected and corrected. In addition, their behavior is often very difficult to predict or model. This may be due to the use of artificial intelligence software to solve complex problems such as navigation or perception, but also to the multiplicity of systems or components interacting and complicating the behavior of the final system, for example by generating behaviors emerging. A technique to increase the safety of these autonomous systems is the establishment of an Independent Safety Component, called "Safety-Bag". This system is integrated between the control application and the actuators of the vehicle, which allows it to check online a set of safety necessities, which are necessary properties to ensure the safety of the system. Each safety necessity is composed of a safety trigger condition and a safety intervention applied when the safety trigger condition is violated. This intervention consists of either a safety inhibition that prevents the system from moving to a risk state, or a safety action to return the autonomous vehicle to a safe state. The definition of safety necessities must follow a rigorous method to be systematic. To do this, we carried out in our work a study of dependability based on two fault prevention methods: FMEA and HazOp-UML, that respectively focus on the internal hardware and software components of the system and on the road environment and driving process. The result of these risk analyzes is a set of safety requirements. Some of these safety requirements can be translated into safety necessities, implementable and verifiable by the Safety-Bag. Others cannot be implemented in the Safety-Bag. The latter must remain simple so that it is easy to be validated. Then, we carried out experiments based on the faults injection in order to validate some safety necessities and to evaluate the Safety-Bag's behavior. These experiments were done on our robotic vehicle type Fluence in our laboratory in two different settings, on the actual track SEVILLE at first and then on the virtual track simulated by the Scanner Studio software on the VILAD testbed. The Safety-Bag remains a promising but partial solution for autonomous industrial vehicles. On the other hand, it meets the essential needs for the safety of experimental autonomous vehicles

Je présente dans ce document mes résultats de recherche sur la conception sûre de systèmes embarqués sûrs. La première partie concerne la répartition automatique de programmes synchrones. Le caractère automatique de la répartition apporte un réel degré de sûreté dans la conception de systèmes répartis car c'est la partie la plus délicate de la spécification qui est automatisée. Grâce à cela, l'absence d'inter-blocage et l'équivalence fonctionnelle entre le programme source centralisé et le programme final réparti peuvent être formellement démontrées. La deuxième partie traite le sujet de l'ordonnancement et de la répartition de graphes de tâches flots-de-données sur des architectures à mémoire répartie, avec contraintes de tolérance aux fautes et de fiabilité. Je présente principalement des heuristiques d'ordonnancement statique multiprocesseur avec pour but la tolérance aux fautes et la fiabilité des systèmes, mais également l'utilisation de méthodes formelles telles que la synthèse de contrôleurs discrets ou les transformations automatiques de programmes. Enfin, la troisième partie concerne les autoroutes automatisées, avec deux volets : la commande longitudinale de véhicules autonomes et les stratégies d'insertion dans les autoroutes automatisées.