Thèse soutenue

Rivière intelligente : Vers une navigation fluviale efficace, autonome et coopérative
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Wided Hammedi
Direction : Sidi-Mohammed SenouciPhilippe Brunet
Type : Thèse de doctorat
Discipline(s) : Informatique
Date : Soutenance le 11/01/2022
Etablissement(s) : Bourgogne Franche-Comté
Ecole(s) doctorale(s) : École doctorale Sciences pour l'ingénieur et microtechniques (Besançon ; 1991-....)
Partenaire(s) de recherche : Etablissement de préparation : Université de Bourgogne (1970-....)
Laboratoire : Département de Recherche en Ingénierie des Véhicules pour l'Environnement (DRIVE) (Nevers)
Jury : Président / Présidente : Pietro Manzoni
Examinateurs / Examinatrices : Franck Joseph Aimé Gechter, Charlotte Logeais, Yvon Gourhaut
Rapporteurs / Rapporteuses : Toufik Ahmed, Thierry Delot

Résumé

FR  |  
EN

Ces dernières années, le transport fluvial a fait l'objet d'une attention croissante de la part des pouvoirs publics de France et de nombreux pays européens. Cependant, ce mode transport manque de flexibilité, dispose d'une infrastructure vieillissante et les bateaux actuels ne sont pas adaptés à une augmentation des capacités de transport assurant la sécurité des navires et des marchandises ainsi que des temps de livraisons fiables et constants. Par conséquent, le transport fluvial doit passer par une rénovation organisationnelle et technique propre à son environnement particulier afin d’espérer concurrencer le transport terrestre. Pour répondre à ces exigences, nous proposons dans cette thèse de développer un écosystème fluvial intelligent s'articulant autour de trois axes principaux : (i) automatiser l'infrastructure fluviale existante, (ii) intégrer le bateau autonome à cette infrastructure, et (iii) promouvoir une navigation connectée et coopérative. Le premier axe se concentre sur la modernisation des infrastructures en proposant une méthode efficace de prise de décision pour l'automatisation des écluses existantes (Lock-ADM). L'algorithme Lock-ADM fonctionne en trois étapes. Tout d'abord, il calcule le nombre optimal d'écluses à automatiser pour un coût d'investissement fixé. Il mesure ensuite l'importance des écluses dans le réseau selon plusieurs critères. Enfin, il sélectionne les meilleures écluses à automatiser grâce à un algorithme génétique. Lock-ADM permet ainsi la planification annuelle des écluses à automatiser, en commençant par les plus contraignantes pour le réseau actuel. Le deuxième axe s'intéresse au développement d'un système de perception de l'environnement pour bateaux autonomes. Il permet de délimiter les zones navigables où un bateau peut naviguer en toute sécurité et ainsi éviter tout obstacle sur sa route. Pour ce faire, nous avons construit le premier jeu de données (Images étiquetées) open-source et destiné au domaine fluvial: InlandAutoDetect. Nous avons étiqueté de manière exhaustive les différents objets constitutifs de la navigation fluvial. Ensuite, nous avons comparé les performances de neuf algorithmes d'apprentissage profond en termes de précision de détection et de temps de réponse vis-à-via de nos étiquettes. Nous avons ainsi retenu l’algorithme Retinanet qui a montré les meilleures performances pour délimiter avec précision et en temps réel une zone de navigation qui soit sûre pour notre bateau autonome. Enfin, le troisième axe introduit C-IAShips, une architecture basée sur les technologies de Blockchain et de MEC (Mobile Edge Computing) à destination des bateaux autonomes coopératifs. L'architecture proposée garantit une faible latence et une communication efficace tout en protégeant la confidentialité des bateaux et la sécurité des données échangées. L'avantage principal des bateaux coopératifs est qu'ils permettent d’assurer un fonctionnement plus puissant et efficace du système global. Nous avons étudié, en particulier, la faisabilité de deux applications coopératives : la première pour l'ordonnancement du passage des bateaux au niveau des écluses et la seconde pour la détection de collisions.