Les accidents de la route sont souvent dus à des baisses de vigilance et à une surcharge cognitive, alors même que les véhicules autonomes commencent à faire leur apparition sur les routes. Afin de mieux comprendre ces risques, les chercheurs ont recours à des biocapteurs tels que l’oculométrie, la fréquence cardiaque, l’EEG et l’activité de la peau (EDA) dans le cadre d’études en réalité virtuelle et sur simulateur, afin de mesurer en temps réel l’attention du conducteur, son niveau de stress et son comportement de reprise du contrôle. Ces signaux permettent de prédire les performances et d’améliorer la sécurité de l’interaction homme-véhicule lors de la transition vers l’automatisation.
Table of Contents
Les accidents de la route constituent l’une des principales causes de décès dans le monde. Selon le rapport 2018 de l’OMS sur la sécurité routière mondiale, 1,35 million de décès ont été causés par des accidents de la route en l’espace d’un an. Les erreurs humaines au volant, dues à un manque d’attention et à la charge cognitive, sont les principales causes de la fréquence élevée des accidents de la route (OMS, 2018).
Améliorer les performances des conducteurs grâce à une meilleure compréhension des facteurs à l’origine de la surcharge cognitive peut réduire considérablement le nombre de décès causés par les accidents de la route. Les véhicules autonomes (VA) constituent un autre moyen prometteur de réduire le nombre d’accidents en limitant les erreurs humaines et les comportements inappropriés des conducteurs. À mesure que les VA arriveront sur le marché, l’interaction des conducteurs humains avec ces véhicules créera un nouveau contexte propice aux erreurs, car les conducteurs humains pourraient ne pas savoir comment un véhicule autonome se comportera dans des situations de conduite urbaine (Shariff, Bonnefon & Rahwan, 2017).
Pour un conducteur, une voiture sans conducteur peut susciter de l’anxiété et de la peur au volant, ce qui pourrait entraîner une augmentation du taux d’accidents (Acheampong & Cugurullo, 2019 ; Brown et al., 2018). Il est donc essentiel d’étudier l’attention humaine au volant et l’interaction homme-machine pendant la phase de transition entre les voitures non autonomes et les voitures entièrement autonomes.
La recherche sur les biocapteurs est une méthode couramment utilisée dans ce domaine pour réaliser des simulations qui permettent de créer de nouveaux systèmes de sécurité et de contrôle pour nos véhicules, donnant ainsi naissance à de nouveaux outils qui contribuent à réduire le nombre d’accidents de la route à l’avenir. Vous trouverez ci-dessous trois études intéressantes dans ce domaine, qui ont eu recours aux technologies de biocapteurs pour mener à bien leurs projets, obtenant ainsi des résultats très prometteurs susceptibles d’être appliqués à l’avenir pour améliorer les produits liés aux véhicules autonomes dans l’industrie automobile.
Les biocapteurs permettent de quantifier les « performances de prise de contrôle » lors de simulations de conduite automatisée en temps réel
Il semble que les nouvelles voitures autonomes ne seront pas entièrement automatisées de sitôt ; il est fort probable que les conducteurs humains devront encore rester vigilants pour prendre le relais d’une voiture automatisée si nécessaire. Selon la classification de la Society of Automotive Engineers, le niveau d’automatisation d’un véhicule va de L0 (aucune automatisation) à L5 (entièrement automatique). Le niveau d’automatisation le plus élevé pour les véhicules autonomes qui arriveront sur le marché dans un avenir proche devrait être le niveau L3. Au niveau L3, le conducteur humain ne contrôle pas activement la voiture, mais doit tout de même rester vigilant pour prendre le relais si nécessaire.
Le conducteur humain est censé prendre le relais du système automatisé dans les situations critiques de conduite en milieu urbain, par exemple en cas de chantier imprévu ou lorsqu’une voiture de police s’approche par la voie de gauche. Ces scénarios constituent un défi du point de vue de la psychologie cognitive, car ils font appel à la capacité exécutive de « changement de tâche », c’est-à-dire la capacité à passer efficacement d’une tâche cognitive exigeante à une autre.
Pour résoudre ce problème, il est essentiel de connaître les limites cognitives des conducteurs humains afin de garantir la sécurité des véhicules autonomes. Des chercheurs de l’université du Michigan (Du et al., 2020) se sont penchés sur cette question en étudiant les performances des conducteurs lors d’une session de conduite autonome simulée. L’objectif des chercheurs était d’utiliser les données physiologiques des conducteurs humains pour prédire, par des moyens informatiques, l’impact sur les performances de changement de tâche lorsqu’il est nécessaire de reprendre le contrôle du véhicule. L’étude a utilisé l’oculométrie, la réponse galvanique de la peau et la fréquence cardiaque pour mesurer les états cognitifs et physiques. Les capteurs portables ont été placés dans un simulateur de conduite, les données ont été transmises en temps réel à iMotions et synchronisées.
Les participants ont dû prendre le volant de manière imprévue dans différents scénarios de conduite en milieu urbain, tout en effectuant une tâche de mémoire visuelle à d’autres moments. Bien que le modèle informatique permettant de prédire les performances des conducteurs soit assez complexe, les chercheurs ont utilisé des indicateurs tels que les zones d’intérêt (AOI) pour déterminer quand les yeux des conducteurs étaient fixés sur la route, les schémas de balayage visuel, le nombre de clignements des yeux et les pics de réponse de la réactivité galvanique (GSR) afin de calculer les performances de conduite. Fait impressionnant, les chercheurs ont atteint une précision de plus de 70 % pour prédire les performances de prise de relais des conducteurs à partir de leurs données physiologiques.
Les biocapteurs permettent d’étudier la sécurité des conducteurs dans une zone de conduite virtuelle équipée de véhicules autonomes
L’accessibilité des casques de réalité virtuelle permet d’étudier des scénarios d’interaction homme-machine plus complexes dans lesquels des conducteurs humains se retrouvent face à des véhicules autonomes. Des chercheurs en facteurs humains de l’université de Virginie ont étudié les performances des conducteurs humains en mesurant leur niveau d’éveil et leur fréquence cardiaque lorsqu’ils conduisaient aux côtés d’une voiture autonome sur la même route dans le cadre d’une simulation.
Les participants ont été équipés d’un capteur Shimmer GSR et d’un capteur de fréquence cardiaque optique à pince d’oreille tout en portant le casque Unity HTC Vive dans un simulateur de conduite en milieu urbain, toutes les mesures étant synchronisées dans iMotions. Les données relatives à la réponse galvanique de la peau (GSR) et à la fréquence cardiaque ont été utilisées pour quantifier le stress et la nervosité des conducteurs. Les participants devaient suivre une voiture autonome qui les précédait et éviter toute collision dans différentes zones. L’étude s’est terminée par un questionnaire sur la confiance et l’acceptation des voitures autonomes. Les chercheurs s’intéressaient aux données physiologiques des conducteurs, ainsi qu’aux facteurs de confiance et d’acceptation associés au comportement au volant et au taux de collision.
L’une des principales conclusions a été que la distance de suivi constitue une variable importante pour classer les conducteurs et prédire leur comportement. Il a été constaté que les participants qui faisaient preuve de plus de confiance et d’acceptation envers les véhicules autonomes préféraient une distance de suivi plus courte lorsqu’ils roulaient derrière l’un d’entre eux, tandis que les conducteurs qui se montraient réticents à l’égard de ces véhicules préféraient une distance de suivi nettement plus grande. De plus, il a été observé que le niveau de prudence des conducteurs changeait en cas de collision, ce qui entraînait une augmentation significative de la distance de suivi par la suite. Une autre conclusion a montré que les pics de GSR augmentent dans les situations de dilemme (par exemple, un feu orange), ce qui témoigne d’une nervosité et d’une excitation accrues dans ces conditions.
Les chercheurs concluent que les biocapteurs et la simulation en réalité virtuelle constituent des moyens fiables d’étudier le comportement des conducteurs, et recommandent aux autorités d’utiliser la réalité virtuelle pour faciliter l’adaptation à l’utilisation des véhicules autonomes. Ces résultats soulignent que les développeurs de véhicules autonomes devraient tenir compte des facteurs humains afin de définir des distances de sécurité appropriées et des algorithmes de prise de décision fondés sur ces conclusions.
Comprendre l’expérience de conduite grâce aux biocapteurs
Un excellent exemple nous est fourni par notre client Mazda Motor Europe, qui, en collaboration avec des chercheurs de l’université de Fribourg et 60 participants chanceux, s’est aventuré dans le froid et a utilisé l’analyse des expressions faciales et la réponse galvanique de la peau pour étudier l’implication des conducteurs sur un circuit plus… exigeant que d’habitude.
Il s’agit d’un projet de recherche d’une ampleur considérable, non seulement en termes de nombre de participants, de conception de l’expérience et d’ambition générale, mais aussi au vu de la vidéo promotionnelle ci-dessous qu’ils ont réalisée au cours du projet.
Modulation de l’attention par la musique pour améliorer les performances au volant
L’impact de la musique sur l’humeur et l’attention fait l’objet de nombreuses études menées par des psychologues. L’effet positif de la musique sur la concentration des conducteurs avait déjà été démontré auparavant (Van der Zwaag et al., 2012). L’étude d’Avila-Vazquez et de ses collègues (2017) visait à mettre en pratique ces connaissances dans un scénario de conduite réel, en utilisant des outils biométriques pour mesurer l’impact de la musique et formuler des recommandations audio afin de maintenir la concentration des conducteurs.
Dans le cadre de cette étude, les participants ont conduit en ville tandis que leur visage était filmé par une webcam afin d’analyser leurs expressions faciales (FEA). La webcam de l’ordinateur a servi à recueillir les données FEA tout en diffusant simultanément différents types de musique, puis à synchroniser ces données d’expressions faciales dans iMotions. De cette manière, les expressions faciales ont permis d’indiquer à quel moment les conducteurs perdaient leur concentration et leur vigilance, ainsi que la corrélation avec le type de musique diffusée. Les chercheurs ont suggéré que leur approche pourrait être utilisée pour personnaliser la musique en fonction du profil cognitif de chaque individu. Par exemple, des systèmes de reconnaissance faciale pourraient être intégrés aux voitures pour analyser les réactions des conducteurs et transmettre ces informations au système audio afin qu’il diffuse la musique la mieux adaptée à chaque personne. L’utilisation de la musique comme élément apportant confort et assistance au conducteur.
En savoir plus sur la plateforme iMotions
Ces études montrent que les données issues des capteurs physiologiques peuvent fournir des informations précieuses sur les pratiques les plus sûres et les plus efficaces en matière de conduite et d’interaction avec les véhicules. Ces informations peuvent servir à améliorer à la fois le développement des produits automobiles et les performances des conducteurs.
Pour comprendre comment ces principes s’appliquent dans des environnements exigeants tels que le sport automobile professionnel, découvrez notre webinaire « iMotions x Smart Eye : Entraînement et performance en pilotage automobile ».
Références
Acheampong, R. A., & Cugurullo, F. (2019). Identifier les déterminants comportementaux de l’adoption des véhicules autonomes : cadres conceptuels et modèles de mesure pour prédire les tendances en matière de transport public, de partage et de propriété des voitures autonomes. Transportation Research Part F: Traffic Psychology and Behaviour, 62, 349-375.
Avila-Vázquez, R., Navarro-Tuch, S., Bustamante-Bello, R., Mendoza, R. A. R., & Izquierdo-Reyes, J. (2017). Système de recommandation musicale pour la modulation de l’attention humaine par reconnaissance faciale lors d’une tâche de conduite : une preuve de concept. Dans MATEC Web of Conferences (Vol. 124, p. 04013). EDP Sciences.
Brown, B., Park, D., Sheehan, B., Shikoff, S., Solomon, J., Yang, J. et Kim, I. (2018). Évaluation de la sécurité des conducteurs humains dans les zones de dilemme en présence de véhicules automatisés à l’aide d’un environnement de réalité virtuelle. Symposium sur la conception en ingénierie des systèmes et de l’information (SIEDS).
Du, N., Zhou, F., Pulver, E., Tilbury, D., Robert, L., Pradhan, A., & Yang, X. J. (2020). Prédiction des performances de reprise du contrôle dans la conduite automatisée conditionnelle.
Izquierdo-Reyes, J., Ramirez-Mendoza, R. A., Bustamante-Bello, M. R., Navarro-Tuch, S., & Avila-Vazquez, R. (2018). Système avancé de surveillance du conducteur pour l’assistance (ADMAS). International Journal on Interactive Design and Manufacturing (IJIDeM), 12(1), 187-197.
Shariff, A., Bonnefon, J. F., & Rahwan, I. (2017). Les obstacles psychologiques à l’adoption des véhicules autonomes. Nature Human Behaviour, 1(10), 694-696.
Organisation mondiale de la Santé. (2018). Rapport sur la situation mondiale de la sécurité routière 2018. Organisation mondiale de la Santé.
Van Der Zwaag, M. D., Dijksterhuis, C., De Waard, D., Mulder, B. L., Westerink, J. H., & Brookhuis, K. A. (2012). L’influence de la musique sur l’humeur et les performances au volant. Ergonomics, 55(1), 12-22.