Brière, Armand
(2023).
« Développement d'un modèle de prédiction du comportement des pilotes à partir de données multimodales » Mémoire.
Montréal (Québec, Canada), Université du Québec à Montréal, Maîtrise en informatique.
Fichier(s) associé(s) à ce document :
Résumé
Le comportement, que nous définissons comme étant les manifestations sensorielles du rythme cardiaque, dilatation de la pupille, charge mentale ainsi que les interactions du pilote avec l’avion, évoluent rapidement durant un vol. Cette évolution varie en fonction des pilotes et des phases de vols. Notre recherche se concentre sur la conception de modèle de prédiction du comportement qui sera utilisé par un modèle d’analyse de déviation du comportement par un autre étudiant du projet dit PilotAI. Une expérience a été effectuée afin de collecter des données de pilotes effectuant un décollage dans le simulateur X-Plane. Un total de 9 heures de données ont été collectés. Le rythme cardiaque, la dilatation de la pupille, la charge mentale et les données du simulateur ont été collectés en continu afin de construire un jeu de données sous forme de série chronologique. Ces données ont été analysées et traitées afin d’entraîner nos différents modèles de prédiction ainsi que le modèle multimodal de prédiction du comportement des pilotes. Le jeu de données initial de 9 heures a été réduit à 2.6 heures après son nettoyage. Le volume de données de l’expérience est donc plus faible que prévu, ce qui impacte la qualité de nos résultats pour certains modèles. De plus, l’apprentissage par transfert a été utilisé pour les modèles de prédiction du rythme cardiaque et de dilatation de la pupille afin de pallier ce manque de données. Les modèles de prédiction du rythme cardiaque et de la dilatation de la pupille sont capables d’effectuer des prédictions précises une seconde dans le futur avec une MAE de .1 chacun. Les modèles de prédiction de la charge mentale et des données du simulateur X-Plane souffrent d’un manque de données. Le modèle multimodal développé permet une structure modulaire où chaque modalité peut facilement être ajoutée ou supprimée. Le manque de données de l’expérience effectué dans le cadre du projet ne nous permet pas de valider son fonctionnement absolu ; cependant celui-ci a été testé sur un jeu de données publiques ce qui a permis de confirmer un apprentissage significatif du modèle.
_____________________________________________________________________________
MOTS-CLÉS DE L’AUTEUR : Intelligence artificielle, apprentissage profond, analyse du comportement, modèle prédictif, apprentissage par transfert.
| Type: |
Mémoire accepté
|
| Informations complémentaires: |
Fichier numérique reçu et enrichi en format PDF/A. |
|
Directeur de thèse: |
Nkambou, Roger |
| Mots-clés ou Sujets: |
Modèles prédictifs / Analyse comportementale / Pilotes d'aéronef / Apprentissage profond / Apprentissage par transfert (Intelligence artificielle) / Pilotage d'avions |
| Unité d'appartenance: |
Faculté des sciences > Département d'informatique |
| Déposé par: |
Service des bibliothèques
|
| Date de dépôt: |
01 déc. 2023 09:07 |
| Dernière modification: |
01 déc. 2023 09:23 |
| Adresse URL : |
http://archipel.uqam.ca/id/eprint/17203 |
RECHERCHER
PARCOURIR
LIBRE ACCÈS
