Prédiction de la consommation de carburant et analyse du comportement de conduite basées sur le ML et le DL

Abstract

AujourdŠhui, la voiture est équipée de nombreuses fonctions dŠaide à la conduite qui améliorent la sécurité et le confort du conducteur. Le secteur automobile apparaissant comme lŠune des principales sources dŠémissions de gaz à effet de serre, des efforts doivent être faits pour respecter des normes de protection de lŠenvironnement de plus en plus strictes. Une solution rapide et peu coûteuse consiste à réduire la consommation de carburant en répondant aux changements de comportement du conducteur. Il sŠagit dŠun projet essentiellement axé sur lŠutilisation des algorithmes dŠapprentissage automatique en tant que modèles de classiĄcation pour réduisez la consommation de carburant dans le cadre à obtenir une éco-conduite plus économique. LŠobjectif de ce sujet de Master est dŠeffectuer une synthèse des travaux de lŠétat de lŠart portant sur les approches des algorithmes dŠapprentissage automatique et apprentissage profond ayant été proposées pour la prévision de consommation de carburant, la classiĄcation du conducteur, pour aider les conducteurs à adopter une conduite plus économique, écologique et sécuritaire.

***

Today, the car has many driver assistance features that make it safer and more comfortable for the driver. In the context where the automotive sector appears to be one of the main emitters of greenhouse gases, efforts must be made to meet increasingly stringent emission standards. One of the solutions that makes it possible to react quickly and inexpensively is to reduce fuel consumption by changing the driverŠs behaviors. This is a project primarily focused on the use of machine learning algorithms as classiĄcation models to reduce fuel consumption in order to achieve more economical eco-driving. The objective of this subject of Master is to carry out a synthesis of the work of the state of the art concerning the approaches of algorithms of machine learning and deep learning having been proposed for the forecast of fuel consumption, the classiĄcation of the driver, to help drivers drive more economically, environmentally and safely.