Expected utility and learning reinforcement based modelling and prediction of barrier removals : application to the car driving
Modélisation et prédiction des franchissements de barrières basées sur l'utilité espérée et le renforcement de l'apprentissage : application à la conduite automobile
Résumé
Risk analysis in Human-machine system (HMS) has to take into account human errors to limit their occurrences or consequences. That’s why, HMS designers define many barriers in the HMS environment. However, these barriers may be removed by human operators. That’s why it’s necessary to integrate the barrier removal in HMS design in order to better their design. The best way that insures this integration is the barrier removal modelling and prediction. This work proposes two linear models of the barrier removal utility: a generic one and a specific one. They integrate the different criteria related to the human operator activity, the Benefits, Costs and potential Deficits associated to these criteria, the weights αi, βi, and γi, the erreors εαi, εβi and εγi and the sensibility threshold Δu. The modification of these two last model’s elements provides an amelioration of the barrier removal utility value and so the barrier removal prediction. This new barrier removal prediction method was applied to the car driving domain. Its results are very interesting
La sûreté de fonctionnement dans les systèmes Homme-machine doit prendre en compte les défaillances des opérateurs humains. Pour limiter l’occurrence et/ou les conséquences des erreurs humaines, les concepteurs prémunissent les systèmes Homme-machine par des barrières qui peuvent être franchies par les opérateurs humains. Afin de mieux concevoir les barrières, il est nécessaire d’intégrer les franchissements de barrière dans la phase de conception des systèmes Homme-machine. Cette intégration nécessite la modélisation et la prédiction des franchissements de barrière. Ce mémoire propose deux modèles linéaires de l’utilité espérée des franchissements de barrière : un modèle générique et un modèle spécifique qui intègrent les critères relatifs à l’activité de l’opérateur humain, les attributs Bénéfices, Coûts et Déficits potentiels qui leurs sont associés, les poids αi, βi et γi associés aux attributs, les erreurs εαi, εβi et εγi sur les poids et le seuil de sensibilité Δu. Le paramétrage des éléments des deux modèles nous permet d’affiner la valeur de l’utilité espérée et donc de prédire les franchissements de barrière. La méthode de prédiction a été appliquée dans le cadre de la conduite automobile et donne de très bons résultats.
Origine : Fichiers produits par l'(les) auteur(s)