Speakers
Description
En vue de l'intégration de systèmes autonomes dans le secteur ferroviaire, garantir un niveau de sécurité équivalent à celui des systèmes classiques pilotés par des opérateurs humains constitue un enjeu critique. L'exploitation de trains entièrement autonomes implique le déploiement de solutions avancées capables, sans perception humaine du contexte opérationnel, d’analyser et évaluer les risques en temps réel et de prendre des décisions complexes. Cet article présente une approche innovante pour la prise de décision orientée risques dans les trains autonomes, en se basant sur la mise en œuvre
de Processus Décisionnels de Markov Partiellement Observables (POMDPs). La méthodologie développée permet une évaluation et un suivi continus des risques de collision avec des obstacles de l'environnement, en veillant à ce que le système
de conduite autonome des trains maintienne systématiquement un niveau de risque acceptable, caractérisé par une probabilité d'occurrence et un degré de sévérité spécifiques. Cette approche renforce les capacités décisionnelles du système autonome
en favorisant l'adoption de décisions sécuritaires face aux incertitudes liées à l'état opérationnel du train et aux variables environnementales. La validité et l'efficacité de cette approche sont démontrées à travers son intégration dans un dispositif d’anticollision destiné aux trains autonomes.
