Avis de Soutenance
Madame NOUHED NAIDJA
Automatique
Soutiendra publiquement ses travaux de thèse intitulés
Cadre unifié fondé sur la théorie des jeux et l’optimisation multicritère pour la prise de décision et la génération de trajectoires des véhicules autonomes.
Dirigés par Guillaume SANDOU (L2S, CentraleSupélec), Stéphane FONT (L2S, CentraleSupélec), Marc Revilloud (Vedecom)
Soutenance prévue le lundi 22 septembre 2025 à 14h00
Lieu : Théâtre Rousseau, bâtiment Bouygues
Composition du jury proposé
| Mme Reine TALJ | CNRS/Université Technologique de Compiègne – Sorbonne Université | Rapporteure |
| M. Abdeljalil ABBAS-TURKI | Université de Technologie de Belfort-Montbeliard | Rapporteur |
| M. Fawzi NASHASHIBI | INRIA PARIS | Examinateur |
| Mme Lydie NOUVELIERE | Télécom Saint-Étienne | Examinatrice |
| M. William PASILLAS-LEPINE | CNRS/Université Paris-Saclay | Examinateur |
| Mots-clés : | Conduite autonome,Théorie des jeux,Clothoides,Optimisation par essaim particulaire (PSO),Prise de décision,Trafic mixte |
| Résumé |
| La transition vers une mobilité autonome comprendra potentiellement une phase intermédiaire marquée par la coexistence de véhicules autonomes et de conducteurs humains dans un espace routier partagé. Cette thèse s’intéresse à l’étude des cadres décisionnels susceptibles de permettre aux véhicules autonomes de fonctionner dans de tels environnements mixtes, tout en assurant la sécurité, l’efficacité et l’acceptabilité sociale. L’analyse se concentre en particulier sur le franchissement des intersections, qui sont typiques des interactions stratégiques et de l’hétérogénéité comportementale. Pour relever ces défis, un cadre unifié est proposé. La première contribution porte sur la modélisation spatiotemporelle de trajectoires géométriquement continues et interprétables, construites à partir de clothoïdes et de profils de vitesse adaptés. La seconde contribution introduit un cadre d’évaluation multicritère, intégrant des indicateurs de sécurité, de confort et d’efficacité qui peuvent être utilisés aussi bien pour l’évaluation que pour l’optimisation des trajectoires. Afin de formaliser les interdépendances stratégiques entre les véhicules, une approche basée sur la théorie des jeux est développée. Le problème de génération de trajectoire et de prise de décision est formulé comme un jeu à somme non nulle, et la recherche d’une trajectoire optimale y correspond à la quête d’un équilibre de Nash généralisé. Un solveur temps réel fondé sur une optimisation évolutionnaire de type essaims de particules (PSO) est conçu pour explorer efficacement l’espace des stratégies conjointes. Le cadre proposé est validé par un protocole expérimental à plusieurs niveaux comprenant des simulations numériques, une comparaison avec des données de conduite humaine et des expériences sur piste avec un véhicule autonome. Les premiers résultats montrent des comportements proches de ceux des conducteurs humains, une capacité d’adaptation contextuelle et une tendance à converger vers des décisions stables en temps réel. |
Abstract
The transition to autonomous mobility will necessarily include an intermediate phase marked by the coexistence of autonomous vehicles and human drivers in a shared road space. This thesis focuses on the study of decision frameworks that could potentially enable autonomous vehicles to operate in such mixed environments, while ensuring safety, efficiency, and social acceptability. The analysis focuses in particular on intersection crossings, which are typical of strategic interactions and behavioral heterogeneity. To meet these challenges, a unified framework is proposed, combining trajectory generation inspired by human behavior with interaction-aware decision-making. The first contribution focuses on the spatio-temporal modeling of geometrically continuous and interpretable trajectories, built from clothoid interpolations and adaptive velocity profiles. A second contribution introduces a multi-criteria evaluation framework, integrating safety, comfort, and efficiency indicators, to be used for trajectory evaluation and/or optimization. In order to formalize the strategic interdependencies between vehicles, a gametheoretic approach is developed. The trajectory generation and decision-making problem is formulated as a non-zero-sum game. Finding an optimal trajectory corresponds to seeking a generalized Nash equilibrium. A real-time solver based on evolutionary optimization, namely, particle swarm optimization (PSO), is designed to efficiently explore the space of joint strategies. The proposed framework is validated by a multi-level experimental protocol including numerical simulations, comparison with human driving data, and on-track experiments with an autonomous vehicle. The initial results show behaviors close to those of human drivers, a capacity for contextual adaptation, and a tendency to converge towards stable decisions in real time.
