Identification des marqueurs comportementaux et physiologiques capables de prédire la qualité de la reprise en main du véhicule d'une conduite autonome de niveau 3

Identification of behavioral and physiological markers capable of predicting the take-over quality of the vehicle during a level 3 autonomous driving.

• Auteur / Autrice : Emilien Bonhomme
• Direction : Pierre Philip
• Type : Thèse de doctorat
• Discipline(s) : Neurosciences
• Date : Soutenance le 19/03/2021
• Etablissement(s) : Bordeaux
• Ecole(s) doctorale(s) : École doctorale Sciences de la vie et de la santé (Talence, Gironde ; 1993-....)
• Partenaire(s) de recherche : Laboratoire : Sommeil, Attention et Neuropsychiatrie
• Jury : Président / Présidente : Sylviane Lafont
• Jury : Examinateurs / Examinatrices : Pierre Philip, Sylviane Lafont, Jean-Louis Vercher, Véronique Lespinet-Najib, Luciano Ojeda, Corinne Joffre
• Jury : Rapporteurs / Rapporteuses : Jean-Louis Vercher

Mots clés

Mots clés contrôlés

Contrôle électronique du comportement

Système assistance conduite

Neurophysiologie

Commande automatique

Mots clés libres

Conduite autonome

Reprise de conduite

Tâche non liée à la conduite

Paramètres physiologiques et comportementaux

Temps de réponse

Qualité de la reprise de conduite

Autonomous driving

Takeover

Non driving related task

Physiological and behavioral markers

Takeover Time

Takeover quality

Résumé

Le développement de systèmes de conduite conditionnellement automatisés est en pleine expansion. La délégation partielle de l’activité de conduite à un véhicule autonome interroge sur la capacité du conducteur à reprendre en main le véhicule lors d’une situation à risques.L’objectif de notre travail est d’identifier des marqueurs physiologiques et comportementaux capables de prédire le temps de réponse (TOT) et la qualité de reprise en main du véhicule. 32 volontaires sains (43 ± 16 ans, 16 hommes) ont effectué une conduite simulée où des événements (objet sur la voie, mauvaise météo, absence de marquage au sol) ont impliqué une reprise en main du véhicule. Avant chaque demande de reprise en main (TOR), les conducteurs réalisaient différentes tâches non liées à la conduite (NDRT) telles qu’écouter la radio, lire un livre, regarder une vidéo….Des marqueurs électrocardiographiques (ECG), électroencéphalographiques (EEG) et oculomoteurs (OM) ont été enregistrés 2 min avant la reprise en main et analysés. Ces marqueurs, ainsi que l’âge, le sexe, et la nature, durée des NDRTs et l’implication des mains et du regard dans les NDRTs, ont été utilisés dans nos modèles statistiques (régressions logistiques binaires, modélisations linéaires automatiques, Indice de Youden, courbes ROC).Les reprises de conduite sont qualifiées de 4 façons. La qualification 1 (Q1) s’appuie sur le temps de collision (TTC, temps séparant le véhicule de l’obstacle à l’engagement d’un changement de voie) et la présence ou non d’une collision. La qualification 2 (Q2) reprend les 2 critères précédents et la vitesse de rotation du volant. La qualification 3 (Q3) reprend les 2 premiers critères et la vérification des rétroviseurs. Et la qualification 4 (Q4) par la présence ou non d’une collision et le franchissement de ligne (ILC).Nos résultats démontrent que le TOT ne dépend ni de l’âge, ni du sexe des conducteurs. Les TOTs les plus longs sont observés lorsque la NDRT a une forte composante manuelle ou sollicitation de la position de la tête lors de la reprise. Lors d’une reprise avec changement de voie, le TOT est le principal facteur influençant la qualité de cette dernière : plus le TOT est long, plus la qualité de reprise est mauvaise. La nature et la durée de la NDRT ne modifient pas la qualité de reprise. L’âge a un impact sur la qualité de reprise en Q2 et Q3 : les conducteurs âgés réussissent moins bien leur reprise de conduite que les plus jeunes car ils présentent un contrôle latéral du véhicule plus instable (écart-type de la vitesse de rotation du volant plus important) et une analyse de la scène moins bonne (absence de vérification rétroviseurs). En revanche, l’âge n’influence ni le contrôle longitudinal (TTC) ni la présence de collisions. Lors d’une reprise en main sans changement de voie, c’est surtout l’âge qui conditionne la qualité de reprise (Q4) : les sujets âgés (61-75) réussissent moins bien que les sujets plus jeunes à cause d’un plus mauvais contrôle latéral.Aucune de nos modélisations ne permet de prédire le TOT ou la qualité de reprise en Q1. L’association de paramètres OM (durées des fixations, et diamètre pupillaire) et EEG (Thêta Frontal) sont les marqueurs permettant de mieux prédire les qualités de reprise en Q2. Les paramètres OM (fréquence et durée des fixations, et distance des saccades) permettent la prédiction de la qualité de reprise en Q3. Des marqueurs EEG (ratio LFHF, bande Beta Haut en Cz, rapport Thêta/Beta en frontal) et OM (diamètre moyen de la pupille) associés, permettent de prédire la qualité de reprise en Q4.Nos résultats permettront dans le futur d’améliorer de nouveaux modèles (modèle de freinage, de braquage ou braquage/freinage) capables de mieux expliquer et/ou prédire le comportement du conducteur lors d’une reprise en main en conduite autonome de niveau 3.

The development of conditionally automated driving systems is expanding quickly. The partial delegation of the driving activity in an autonomous vehicle questions the driver's ability to takeover the vehicle in a risky situation.The objective of our work is to identify physiological and behavioral markers capable to predict response time (TOT) and the takeover quality. 32 volunteers (43 ± 16 years 16 men) carried out simulated driving where events (object on the road, bad weather, absence of road markings) required a takeover. Before each takeover request (TOR), drivers performed various non-driving tasks (NDRT) such as listening to the radio, reading a book, watching a video...Electrocardiographic (ECG), electroencephalographic (EEG) and oculomotor (OM) markers were recorded 2 minutes before the takeover and analyzed. These markers, age, gender and nature, duration, solicitation of the hands and gaze of NDRTs were included in our statistical models (binary logistic regressions, automatic linear models, Youden index, ROC curves).Takeovers are qualified in 4 ways. Qualification 1 (Q1) is based on the time to collision (TTC, time separating the vehicle from the obstacle when the lane change is engaged) and the presence or absence of a collision. Qualification 2 (Q2) uses the previous 2 criteria and the velocity of the steering wheel rotation. Qualification 3 (Q3) includes the first 2 criteria and the verification of the mirrors. And qualification 4 (Q4) by the presence or not of a collision, and the inappropriate line crossing (ILC).Our results show that TOT depends neither on age nor gender of the drivers. The longest TOTs are observed when the NDRT has a strong manual component or requires a strong solicitation of the head position during the takeover. In the case of a takeover with a lane change, the TOT is the main factor influencing the takeover quality: the longer the TOT, the poorer the quality of the takeover. The nature and duration of the NDRT do not change the takeover quality. Age has an impact on the takeover quality in Q2 and Q3: older drivers are less successful at takeover than younger ones because they have more unstable lateral control of the vehicule (higher standard deviation of the velocity of steering wheel rotation) and poorer analysis of the scene (lack of mirrors verification). On the other hand, age does not influence either longitudinal control (TTC) or the presence of collisions. In the case of a takeover without lane change, the takeover quality (Q4) is mainly determined by age: older subjects perform less well than younger subjects due to poor lateral control. It is above all age that determines the quality of recovery (Q4): elderly subjects (61-75) are less successful than younger subjects because of a worse lateral control.None of our models can predict TOT or Q1 takeover quality. The combination of OM parameters (duration of fixations, and pupil diameter) and EEG (Frontal Theta) are the markers that allow better predicting of take over quality in Q2. The OM parameters (frequency and duration of fixations, and distance of saccades) allow the prediction of the quality of recovery in Q3. Associated EEG markers (LFHF ratio, High Beta band in Cz, Theta / Beta ratio in frontal) and OM (mean pupil diameter), can predict the quality of recovery in Q4.Our results will make it possible in the future to improve new models (braking, steering or steering / braking model) capable of better explaining and / or predicting the behavior of the driver during takeover in level 3 autonomous driving.