Evaluation d’un ACC auto-adaptatif

23/09/2017
Publication e-STA e-STA 2007-2
OAI : oai:www.see.asso.fr:545:2007-2:19906
DOI :

Résumé

Evaluation d’un ACC auto-adaptatif

Métriques

19
7
203.1 Ko
 application/pdf
bitcache://2cf15f6b5c5a08c95f98d328c0b280081ffed54c

Licence

Creative Commons Aucune (Tous droits réservés)
<resource  xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
                xmlns="http://datacite.org/schema/kernel-4"
                xsi:schemaLocation="http://datacite.org/schema/kernel-4 http://schema.datacite.org/meta/kernel-4/metadata.xsd">
        <identifier identifierType="DOI">10.23723/545:2007-2/19906</identifier><creators><creator><creatorName>Nicolas Tricot</creatorName></creator><creator><creatorName>Jean-Christophe Popieul</creatorName></creator></creators><titles>
            <title>Evaluation d’un ACC auto-adaptatif</title></titles>
        <publisher>SEE</publisher>
        <publicationYear>2017</publicationYear>
        <resourceType resourceTypeGeneral="Text">Text</resourceType><dates>
	    <date dateType="Created">Sat 23 Sep 2017</date>
	    <date dateType="Updated">Sat 23 Sep 2017</date>
            <date dateType="Submitted">Tue 13 Nov 2018</date>
	</dates>
        <alternateIdentifiers>
	    <alternateIdentifier alternateIdentifierType="bitstream">2cf15f6b5c5a08c95f98d328c0b280081ffed54c</alternateIdentifier>
	</alternateIdentifiers>
        <formats>
	    <format>application/pdf</format>
	</formats>
	<version>33820</version>
        <descriptions>
            <description descriptionType="Abstract"></description>
        </descriptions>
    </resource>
.

Résumé —Cet article propose une analyse de la coopération entre les conducteurs et un régulateur auto-adaptatif de vitesse à contrôle de distance (AACC) doté d’un degré d’automatisation plus élevé que celui de l’ACC (Adaptive Cruise Control) conventionnel. L’évaluation de cet AACC a été réalisée grâce à une expérimentation réalisée sur simulateur par 30 participants ayant pour la moitié d’entre eux l’expérience d’un ACC conventionnel. Les variables dépendantes étudiées sont l’expérience d’un ACC et le type d’ACC (ACC conventionnel ou AACC). Les deux principales hypothèses ayant guidé les analyses sont (1) qu’une automatisation allant dans le sens d’un système mieux adapté au conducteur entraîne une meilleure coopération Conducteur-Système d’aide et (2) que l’expérience d’un ACC entraîne aussi une meilleure coopération Conducteur-Système d’aide. Les résultats montrent que les hypothèses sont en partie validées et qu’une meilleure prise en compte du conducteur lors de la conception d’un système d’aide permet une meilleure coopération entre l’humain et la machine. Mots clés — Auto Adaptive Cruise Control, Coopération Homme- Machine, Performance de conduite, Simulateur de conduite I. INTRODUCTION Un système Homme-Machine est une synthèse entre l’homme et un système technologique [1]. Un tel système est composé d’un opérateur humain, d’un système technologique et d’une interface permettant la communication entre ces deux composantes. Dans ce système, la place de l’opérateur est variable allant de simple superviseur dans le cas de systèmes très automatisés tels que les centrales nucléaires jusqu’à « maître » de la machine en contrôlant toutes ses fonctions comme en conduite automobile en passant par des cas où certaines fonctions sont automatisées et d’autres restent manuelles comme en aéronautique [2]. Ce degré d’automatisation résulte généralement des possibilités techniques d’automatisation connues lors de la conception des différents modules sans réellement tenir compte des limites et des capacités respectives de l’opérateur humain et de la machine [3]. Cependant, les performances de l’opérateur humain sont variables et dépendent de son état physiologique (fatigue, santé, …), de son état psychologique (motivation, …), de sa connaissance du système à piloter et des exigences de sa tâche [4]. Il faut donc en tenir compte… 1 Nicolas Tricot - Docteur en Automatique Industrielle et Humaine au sein de l’équipe Systèmes Homme-Machine du LAMIH 2 Jean-Christophe Popieul - Professeur en Automatique Industrielle et Humaine au sein de l’équipe Systèmes Homme- Machine du LAMIH Selon plusieurs auteurs [5]-[7], ce degré d’automatisation peut varier sur un continuum allant d’une activité totalement manuelle à une automatisation complète. A partir de ce postulat, différentes échelles ont été proposées afin de séquentialiser ce continuum. Cette décomposition en niveaux se fait en fonction du savoir- faire et du savoir-coopérer de la machine incriminée. Le savoir-faire est l'habileté à résoudre un problème [8]. Selon Hoc & Lemoine [9], le savoir-faire est fait de quatre activités principales: l’élaboration de l'information, le diagnostic, la décision d'intervenir, et l’action. La communication est une autre activité incluse dans le savoir-faire [10]. Le savoir- coopérer est la capacité à détecter et gérer les interférences et à faciliter les buts de l’autre [11]. Elevé 10. La machine décide de tout, agit de manière autonome, sans tenir compte de l'humain 9. La machine informe l'humain uniquement si elle décide de le faire 8. La machine informe l'humain lorsqu'il le demande 7. La machine realise la tâche automatiquement et informe l'humain en cas de nécessité 6. La machine permet au conducteur de s'opposer à son action avant de l'executer automatiquement 5. La machine realise la tâche si l'humain l'approuve 4. La machine suggère une alternative 3. La machine réduit la selection au minimum 2. La machine propose un panel exhaustif d'alternatives de décisions/actions Faible 1. La machine n'offre pas d'assistance: l'humain doit prendre toutes les décisions et agir Figure 1 - Niveaux d'automatisation des sélections de décisions et actions Ainsi, Parasuraman, Sheridan & Wickens [7] proposent une échelle composée de 10 niveaux (Figure 1). A ce modèle peut être mis en parallèle celui proposé par Hoc & Blosseville en 2003 [12] distinguant, cette fois, les modes de coopération entre un conducteur et un système d’aide à la conduite. Quatre principaux modes y sont détaillés : Le mode instrumenté où la machine produit au conducteur des mesures symboliques de variables pertinentes pour la conduite (tachymètre, compte- tours, …). Ce mode correspond au niveau 1 de l’échelle proposé par Parasuraman, Sheridan & Wickens ; Le mode contrôle mutuel basé sur le respect d'un niveau de risque acceptable. La machine réalise des activités de contrôle mutuel : elle interprète les informations en termes de limites à satisfaire et critique l'activité du conducteur en s'appuyant sur ces informations. Ce mode englobe les niveaux allant de 2 à 5 de l’échelle de Parasuraman, Sheridan & Wickens ; NICOLAS TRICOT1 , JEAN-CHRISTOPHE POPIEUL2 Laboratoire d’Automatique et de Mécanique Industrielles et Humaines (LAMIH) – UMR CNRS 8530 Le Mont Houy, F-59313 Valenciennes Cedex 9 Nicolas.tricot@univ-valenciennes.fr Evaluation d’un ACC auto-adaptatif e-STA copyright © 2007 by see Volume 4 (2007), N°2 pp 51-56 Le mode répartition de fonctions. Il s’agit de confier plus ou moins durablement une fonction à un dispositif automatique, tout en conservant d’autres fonctions de conduite à la charge du conducteur. Cette fois c’est la machine qui exécute la fonction. Ce mode réunit les niveaux allant de 6 à 9 de l’échelle de Parasuraman, Sheridan & Wickens ; Le mode automatique qui correspond à la prise en main complète du véhicule par le dispositif. Le conducteur passe du rôle d'acteur à celui de spectateur. Ce mode peut, par exemple, être effectif lorsque les ressources exigées par la tâche de conduite ne peuvent pas être engagées par le conducteur. Ce mode correspond au niveau d’automatisation le plus élevé de l’échelle de Parasuraman, Sheridan & Wickens. La tâche de conduite peut être décomposée en deux sous- tâches correspondant au contrôle latéral et au contrôle longitudinal. Ces sous-tâches font toutes deux l’objet d’une automatisation de certaines de leurs fonctions. Ainsi les dispositifs de gestion de la vitesse du véhicule tels que le régulateur de vitesse et le régulateur de vitesse et d’interdistance en font partis en tant qu’aide au contrôle longitudinal. A. Le régulateur de vitesse Le régulateur de vitesse (ou Cruise Control) régule la vitesse du véhicule autour d’une consigne de vitesse donnée par le conducteur. Un tel système trouve son utilité sur nationale ou sur autoroute dans un trafic fluide. Il apporte un gain en terme de confort et de consommation, la gestion de la vitesse du véhicule par le système se faisant de manière plus douce, ainsi qu’en terme de respect des limitations de vitesse. Cependant, son aide au conducteur est très limitée et, surtout, ne tient pas compte du trafic environnant le véhicule. B. Le régulateur de vitesse et d’interdistance (ACC) Depuis quelques années déjà, certains véhicules, haut de gamme et produits en série, peuvent être équipés d’un système de régulation de vitesse et d’interdistance « Adaptive Cruise Control » (ACC). Un radar logé dans la calandre du véhicule permet de détecter une voiture jusqu’à 120 mètres de distance. Ce système, basé sur le régulateur de vitesse classique, peut intervenir sur la gestion du moteur, voire sur les freins du véhicule (décélération ne pouvant excéder 30% de la capacité de freinage du véhicule) pour adapter sa vitesse à celle du véhicule précédant. Du point de vue degré d’automatisation, la machine exécutant automatiquement la fonction « gestion de la vitesse et de l’interdistance » et informant le conducteur an cas de nécessité, l’ACC se positionne au niveau 7 de l’échelle de Parasuraman, Sheridan & Wickens. Du point de vue mode de coopération, celui mis en jeu ici entre le conducteur et un ACC est le mode répartition de fonction. La fonction « gestion de la vitesse et de l’interdistance » est confiée au dispositif ; le conducteur devenant superviseur pour celle-ci. Pléthore d’études ont été réalisées sur l’ACC, d’une part sur les conséquences de l’intégration de l’ACC dans le véhicule et d’autre part sur l’acceptation du dispositif par les conducteurs. Ces études ont notamment montré que l’utilisation d’un tel dispositif améliore le confort du conducteur [13], apporte un potentiel gain environnemental [14] et augmente la sécurité [15]-[17]. Cependant, le savoir-faire et le savoir-coopérer de ce type de système d’aide sont limités. Sur un autre type de route que l’autoroute et en cas de virage serré, par exemple, le système perd le véhicule cible et la voiture accélère alors que le bon sens commande de ralentir [18]. D’autres situations telles que les traversées d’agglomérations, les dépassements sur nationale nécessitent elles aussi une reprise en main du véhicule par le conducteur [19]. De plus, l’ACC ne peut prendre en compte le style de conduite des conducteurs alors que ce facteur joue un rôle crucial dans l’adaptation comportemental des conducteurs aux systèmes d’aide à la conduite [20][21]. Ses capacités limitées à des conditions de trafic faible, à des types de route finalement assez rectilignes, ainsi que son effet négatif en cas de dépassement notamment, amènent à penser qu’un évolution de ce système allant vers une meilleure coopération (et donc de meilleurs savoir-faire et savoir- coopérer) avec le conducteur est nécessaire. En sus des problèmes dus au savoir-faire et savoir-coopérer limités de l’ACC, la charge de travail du conducteur est aussi un élément déterminant de la bonne coopération entre le conducteur et le système d’aide. L’utilisation de l’ACC entraîne une tâche supplémentaire : celle de contrôler les actions du dispositif [22]. Cependant, pour certains auteurs, la charge de travail semble diminuer avec l’expérience du dispositif [23]. On peut donc se poser la question de savoir si la qualité de la coopération entre le conducteur et le dispositif d’aide au contrôle longitudinal augmente avec l’expérience. Ces inconvénients ont conduit à la conception d’un ACC auto- adaptatif détaillé au paragraphe suivant. C. Le régulateur de vitesse auto-adaptatif (AACC) L’AACC reprend le fonctionnement d’un ACC conventionnel. A ces caractéristiques semblables à l’ACC viennent s’ajouter deux types d’adaptations : Aux conducteurs. Les paramètres préférentiels de vitesse et d’interdistance ainsi que les capacités maximales de décélération et d’accélération préférentielles des conducteurs sont définis comme paramètres par défaut de l’AACC. Au tracé routier. Dans les cas où une modification de la vitesse est obligatoire sur le parcours et si le conducteur n’intervient pas, le dispositif prévient le conducteur du danger et diminue la vitesse par lui- même si le conducteur n’intervient toujours pas. Ces modifications entraîne un degré d’automatisation plus élevé et une augmentation du savoir-faire et du savoir-coopérer par rapport à un ACC conventionnel. Afin d’évaluer l’efficacité de l’amélioration du savoir-faire et du savoir-coopérer de cet AACC, le paragraphe suivant détaille la méthode expérimentale mise en œuvre. e-STA copyright © 2007 by see Volume 4 (2007), N°2 pp 51-56 II. METHODE Une expérimentation réalisée sur simulateur de conduite a été mise en œuvre. Le simulateur a été préféré à la conduite réelle car celui-ci permet notamment d’obtenir des conditions exactement identiques sujet après sujet mais aussi pour un même sujet pour les deux dispositifs utilisés (ACC et AACC). Ci-dessous n’est détaillée que la deuxième phase expérimentale mettant en jeu l’AACC. Une première phase reprenant un protocole exactement identique, mais cette fois avec un ACC, a été réalisé auparavant pour 15 des 30 participants. A. Plate forme expérimentale L’expérimentation a été réalisée sur le simulateur SHERPA du LAMIH (Figure 2). Il s’agit d’un simulateur à base fixe composé de trois modules : une station de travail, un système de projection permettant un angle de vision avant de 180° et arrière de 45° et un véhicule équipé d’une interface placée sur le tableau de bord permettant l’interaction du conducteur avec le système d’assistance à la conduite évalué. Figure 2 - Le simulateur SHERPA B. Le régulateur de vitesse auto-adaptatif (AACC) L’AACC implémentés sur le simulateur reprend le fonctionnement d’un ACC conventionnel. Le conducteur peut à tout moment passer d’un mode fonctionnement à l’autre (désactivé, AACC), modifier les valeurs de la consigne de vitesse (de 0 à 170km/h par pas de 5km/h) et d’interdistance (1, 1.5, 2 ou 2.5 secondes). Le mode de fonctionnement est rappelé par différents pictogrammes, et dans le cas où le dispositif gère les interdistances (mode AACC), la distance inter-véhiculaire est schématisée sous la forme de chevrons plus ou moins colorés suivant l’interdistance instantanée. L’activation du système se fait par un simple appui sur une touche du commodo ; sa désactivation s’effectue par l’appui sur cette même touche ou par l’appui à plus de 30% sur la pédale de frein. Lorsque le conducteur appui sur l’accélérateur à plus de 20% de la course de la pédale, le dispositif est automatiquement désactivé jusqu’à ce que le conducteur relâche la pédale. A ces caractéristiques semblables à l’ACC implémenté sur le simulateur viennent s’ajouter deux types d’adaptations : Aux conducteurs. Une première phase de l’expérimentation, réalisée sans dispositif, a permis de définir la vitesse de croisière, l’interdistance et les taux d’accélération et de décélération préférentielles des conducteurs sur autoroute et sur nationale. Ces valeurs sont définies comme paramètres par défaut de l’AACC; Au tracé routier. Dans les cas où une modification de la vitesse est obligatoire sur le parcours (traversée d’agglomérations et zones limitées à 70 km/h telles que virages dangereux, bretelles d’accès ou de sortie d’autoroute), et si le conducteur n’intervient pas, le dispositif prévient le conducteur du danger à l’aide d’un bip sonore et d’un pictogramme affiché sur l’interface dans le véhicule et diminue la vitesse par lui-même si le conducteur n’intervient toujours pas (Figure 3). Figure 3 - Principe de fonctionnement de l'AACC dans le cas d'un virage dangereux C. Le protocole expérimental 30 personnes âgées de 22 à 52 ans (27.8 (6.7))3 ont participés à cette étude. Parmi eux 15 avaient participé à une première phase expérimentale reprenant le même protocole expérimental mais utilisant cette fois un ACC conventionnel). Le parcours de 50 km était composé équitablement de nationale et d’autoroute. Sur celui-ci étaient réparties de nombreuses situations faisant intervenir d’autres véhicules (dépassements, suivis de véhicule, ralentissements soudains, queues de poisson, …). Deux types de données été recueillis au cours de ces expérimentations : d’une part des données relatives au comportement des conducteurs telles que la vitesse, l’interdistance, la position des pédales de frein et d’accélérateur, l’angle au volant, l’état du dispositif (activé ou non), les modifications de la vitesse et de l’interdistance du dispositif par le conducteur et d’autre part des données « subjectives » issues de questionnaires portant sur l’estimation de leur conduite et de leur coopération avec le dispositif. Cet article détaille uniquement l’analyse des données de performance de conduite des participants. L’analyse des données subjectives sont détaillées dans d’autres documents [19][24]. Les variables indépendantes traitées dans ce document sont : l’expérience d’un ACC (participants ayant réalisé la première phase expérimentale avec un ACC classique) ; le type d’ACC (conventionnel ou auto-adaptatif). Les variables dépendantes sont : le taux d’utilisation du dispositif, la vitesse moyenne pratiquée, le nombre pondéré de désactivations (nombre de désactivations x 100 / taux d’utilisation du dispositif), le nombre pondéré de modifications de la vitesse de consigne et le nombre pondéré de modifications de la consigne d’interdistance ; ces deux derniers étant calculés comme le nombre pondéré de désactivations. 3 Les résultats sont présentés de la manière suivante : (moyenne (écart-type)) e-STA copyright © 2007 by see Volume 4 (2007), N°2 pp 51-56 La première hypothèse principale est qu’une automatisation allant dans le sens d’un système mieux adapté aux attentes du conducteur entraînera une meilleure coopération conducteur- système d’aide. Cette meilleure coopération, le savoir-faire et le savoir-coopérer de l’AACC bien supérieurs à celui de l’ACC conventionnel, particulièrement sur nationale, doit entraîner une augmentation du taux d’utilisation du dispositif (hypothèse 1.1), une vitesse moyenne identique (hypothèse 1.2), un nombre de désactivation du dispositif moins important sur nationale et identique sur autoroute (hypothèse 1.3) ainsi qu’un nombre moindre de modification de la vitesse (hypothèse 1.4) et de l’interdistance (hypothèse 1.5) effectuée par le conducteur. La seconde est que l’expérience d’un ACC entraîne un meilleur schéma mental du fonctionnement du dispositif et donc une meilleure coopération conducteur-système d’aide. Cette hypothèse entraîne un taux d’utilisation plus important pour les conducteurs familiers à l’ACC que pour ceux qui ne le sont pas (hypothèse 2.1), une vitesse moyenne identique (hypothèse 2.2), ainsi que des nombres de désactivation (hypothèse 2.3), de modification de la vitesse (hypothèse 2.4) et de l’interdistance plus faibles (hypothèse 2.5). III. RESULTATS Les données ont été analysées à l’aide du logiciel XLSTAT 7.0 (Addinsoft). Les moyennes sont présentées de la manière suivante : moyenne (écart-type). La méthode de Satterwaite a été utilisée pour des échantillons de plus de 8 individus et le test non paramétrique de Mann-Whitney pour les échantillons plus petits. Le tableau ci-dessous (Tableau 1) regroupe les résultats obtenus pour chaque groupe de conducteurs. Ces valeurs sont analysées ci-après. Familiers Non Familiers ACC AACC Taux d'utilisation 92.99 (5.75) 83.95 (14.14) 90.06 (10.26) 92.99 (5.75) Vitesse moyenne 120.31 (4.82) 122.26 (5.48) 122.04 (3.87) 120.31 (4.82) Désactivation du dispositif 5.13 (2.84) 10.35 (8.48) 7.41 (7.15) 5.13 (2.84) Modifications de la vitesse de consigne 4.99 (4.76) 6.63 (8.24) 3.48 (4.40) 4.99 (4.76) Modifications de la consigne d'interdistance 1.02 (1.64) 0.84 (1.12) 0.66 (1.03) 1.02 (1.64) Taux d'utilisation 86.82 (7.02) 77.80 (16.42) 71.55 (20.54) 87.71 (6.68) Vitesse moyenne 77.62 (4.89) 78.62 (5.46) 75.14 (4.60) 79.53 (5.99) Désactivation du dispositif 23.64 (11.33) 32.98 (14.89) 32.26 (16.99) 18.44 (9.77) Modifications de la vitesse de consigne 8.22 (7.92) 7.71 (5.56) 13.07 (12.52) 8.22 (7.92) Modifications de la consigne d'interdistance 2.25 (2.80) 2.71 (3.59) 1.92 (1.64) 2.25 (2.80) SurnationaleSurautoroute Familiarité à un ACC Type d'ACC Tableau 1 – Indicateurs du comportement des conducteurs en fonction de leur familiarité à un ACC et au type d’ACC A. Taux d’utilisation du dispositif Globalement, le dispositif est très utilisé par les participants (84.28 (11.61)) et plus particulièrement sur autoroute que sur nationale ; les moyennes sont respectivement 88.47 (11.56) et 82.31 (13.23), t (29) = 3.058, p=0.005. 1. Sur autoroute Familiarité à un ACC : L’utilisation du dispositif est significativement plus élevé pour les conducteurs ayant une expérience de l’ACC que pour les conducteurs n’en ayant pas: t (18) = 2.294; p = 0.034. Type d’ACC : La comparaison entre les données relatives à l’utilisation de l’AACC et celles relatives à l’utilisation de l’ACC obtenues au cours d’une expérimentation antérieure réalisée dans les mêmes conditions indique une absence de différence significative: t(14) = 0.939, n.s. 2. Sur nationale Familiarité à un ACC : Cette variable n’a pas d’effet significatif sur le taux d’utilisation sur nationale : t (18) = 1.958; p=0.060. Type d’ACC : Le taux d’utilisation du dispositif sur nationale est supérieur avec l’AACC qu’avec l’ACC: t(14) = 3.595, p = 0.003. L’hypothèse 1.1 d’une utilisation plus importante de l’AACC que de l’ACC est vérifiée sur nationale mais pas sur autoroute. L’hypothèse 2.1 d’un taux d’utilisation plus élevé de l’AACC pour les conducteurs ayant une expérience de l’ACC que pour les conducteurs n’en ayant pas est vérifiée aussi bien sur nationale que sur autoroute. B. Vitesses moyennes pratiquées Globalement, la vitesse moyenne pratiquée par les conducteurs est d’environ 121km/h sur autoroute et 78km/h sur nationale. 1. Sur autoroute Familiarité à un ACC : Cette variable n’a pas d’effet significatif sur la vitesse moyenne pratiquée: t(27) = -1.033, n.s. Type d’ACC : Cette variable n’a pas d’effet significatif sur la vitesse moyenne pratiquée: t(14) = -1.282, n.s. 2. Sur nationale Familiarité à un ACC : Cette variable n’a pas d’effet significatif sur la vitesse moyenne pratiquée: t(27) = -0.533, n.s. Type d’ACC : la vitesse moyenne pratiquée par les conducteurs est légèrement supérieure avec l’AACC qu’avec l’ACC : t(14) = 2.200, p = 0.045. L’hypothèse 1.2 d’une vitesse moyenne identique avec l’AACC qu’avec l’ACC est vérifiée sur autoroute mais pas sur nationale. L’hypothèse 2.2 d’une vitesse moyenne identique avec l’AACC pour les conducteurs ayant une expérience de l’ACC et ceux n’en ayant pas est vérifiée aussi bien sur nationale que sur autoroute. C. Désactivations du dispositif Globalement, l’AACC a été plus désactivée sur nationale que sur autoroute : t(29) = 8.607, p<0.0001. 1. Sur autoroute Familiarité à un ACC : Cette variable a un effet sur le nombre de désactivations de l’AACC. Les conducteurs ayant une expérience de l’ACC désactive moins l’AACC que les conducteurs n’ayant pas d’expérience d’un ACC : t(17) = - 2.261, p = 0.037. Type d’ACC : Cette variable n’a pas d’effet significatif sur le nombre de désactivations du dispositif : t(14) = 1.080, n.s. 2. Sur nationale Familiarité à un ACC : Cette variable n’a pas d’effet significatif sur le nombre de désactivations du dispositif sur nationale : t(26) = -1.934, n.s. Type d’ACC : L’AACC est significativement moins désactivé que l’ACC sur nationale : t(14) = -3.353, p = 0.005. L’hypothèse 1.3 d’un nombre moins important de désactivation sur nationale et identique sur autoroute est vérifiée. e-STA copyright © 2007 by see Volume 4 (2007), N°2 pp 51-56 L’hypothèse 2.3 d’un nombre moins important de désactivation pour les conducteurs ayant une expérience de l’ACC que ceux n’en ayant pas est vérifiée sur autoroute mais pas sur nationale. D. Modifications de la vitesse de consigne du dispositif Globalement, il n’y a pas de différences significatives du nombre de modifications de la vitesse de consigne entre autoroute et nationale : les moyennes respectives sont 5.81 (6.67) et 7.96 (6.73) ; t(29) = -1.283, n.s. 1. Sur autoroute Familiarité à un ACC : Cette variable n’a pas d’effet significatif sur le nombre de modifications de la vitesse de consigne : t(22) = -0.671, n.s. Type d’ACC : Cette variable n’a pas d’effet significatif sur le nombre de modifications de la vitesse de consigne : t(14) = 1.171, n.s. 2. Sur nationale Familiarité à un ACC : Cette variable n’a pas d’effet significatif sur le nombre de modifications de la vitesse de consigne : t(25) = 0.205, n.s. Type d’ACC : Cette variable n’a pas d’effet significatif sur le nombre de modifications de la vitesse de consigne : t(14) = 1.563, n.s. L’hypothèse 1.4 d’un nombre moins important de modification de la vitesse de consigne sur nationale et sur autoroute n’est pas vérifiée. L’hypothèse 2.4 d’un nombre moins important de modification de la vitesse de consigne pour les conducteurs ayant une expérience de l’ACC que ceux n’en ayant pas n’est pas vérifiée ni sur autoroute, ni sur nationale. E. Modifications de la consigne d’interdistance Globalement, il n’y a pas de différence significative du nombre de modifications de la consigne d’interdistance entre autoroute et nationale : les moyennes respectives sont : 3.96 (6.50) et 2.48 (3.17) ; t(29) = 1.214, n.s. 1. Sur autoroute Familiarité à un ACC : Cette variable n’a pas d’effet significatif sur le nombre de modifications de la consigne d’interdistance : t(24) = 0.351, n.s. Type d’ACC : Cette variable n’a pas d’effet significatif sur le nombre de modifications de la consigne d’interdistance : t(14) = 0.699, n.s. 2. Sur nationale Familiarité à un ACC : Cette variable n’a pas d’effet significatif sur le nombre de modifications de la consigne d’interdistance : t(26) = 0.387, n.s. Type d’ACC : Cette variable n’a pas d’effet significatif sur le nombre de modifications de la consigne d’interdistance : t(14) = 0.237, n.s. L’hypothèse 1.5 d’un nombre moins important de modification de la consigne d’interdistance sur nationale et sur autoroute n’est pas vérifiée. L’hypothèse 2.5 d’un nombre moins important de modification de la consigne d’interdistance pour les conducteurs ayant une expérience de l’ACC que ceux n’en ayant pas n’est pas vérifiée ni sur autoroute, ni sur nationale. IV. DISCUSSION ET CONCLUSIONS D’après les résultats détaillés dans la partie précédente, l’hypothèse d’une meilleure coopération Conducteur-AACC est en partie vérifiée. En effet : le taux d’utilisation de l’AACC est plus important que celui de l’ACC sur nationale et identique sur autoroute; les vitesses moyennes sont identiques avec ACC et avec AACC sur autoroute et sensiblement identiques sur nationale; l’AACC a été moins désactivé que l’ACC sur nationale et autant que l’ACC sur autoroute. Cependant, les modifications des consignes de l’AACC par les conducteurs sont aussi nombreuses que celles faites par les conducteurs aidés de l’ACC. Il est toutefois intéressant de remarquer que sur nationale, le taux de modification de la vitesse de consigne est en moyenne 37% plus faible avec AACC qu’avec ACC même si la différence n’est pas significative. Ainsi de manière générale, les conducteurs ont d’avantage utilisé l’AACC et l’ont moins désactivé que l’ACC conventionnel. L’augmentation du savoir-faire et du savoir- coopérer du système d’aide a donc eu un effet positif sur le comportement coopératif des conducteurs. Ceci est d’autant plus vrai sur nationale que c’est sur ce type de route où les modifications de fonctionnement du dispositif sont les plus fréquentes. La seconde hypothèse d’une meilleure coopération avec l’AACC des conducteurs familiers à l’ACC que des conducteurs non familiers est aussi partiellement vérifiée : le taux d’utilisation de l’AACC est plus élevé pour les conducteurs ayant une expérience de l’ACC que pour les conducteurs n’en ayant pas ; les conducteurs ayant une expérience de l’ACC et les conducteurs non familiers à l’ACC pratiquent des vitesses semblables ; les conducteurs non familiers à un ACC ont d’avantage désactivé l’AACC que les conducteurs familiers à l’ACC. Néanmoins, le nombre de modification de la consigne de vitesse et de la consigne d’interdistance est identique pour les deux types de conducteurs. L’expérience d’un ACC a donc, elle aussi, un effet positif sur l’utilisation du système d’aide. En effet, les participants ayant une expérience d’un ACC ont a leur disposition un modèle mental du fonctionnement du dispositif ainsi que de leur coopération avec un tel dispositif. Ils ont assimilé une manière de faire avec l’ACC qu’ils ont pu reproduire avec l’AACC afin de coopérer efficacement avec ce dernier. Cette manière de faire inclut les situations dans lesquelles le conducteur doit reprendre le contrôle du véhicule et celles que le dispositif est capable de gérer seul. Les résultats présentés ici montre donc que l’augmentation du savoir-faire, du savoir-coopérer et du degré d’automatisation d’un système d’aide à la conduite allant vers une meilleure prise en compte de l’opérateur permet une meilleure coopération entre le conducteur et la machine. Nos recherches futures vont donc s’orienter vers une augmentation du degré d’automatisation de ce type de système c'est-à-dire un système de sécurité dont l’opérateur fera partie intégrante des phases de conception et d’évaluation. e-STA copyright © 2007 by see Volume 4 (2007), N°2 pp 51-56 V. REMERCIEMENTS Ce travail a été réalisé dans le cadre d’ARCOS (Action de Recherche pour une Conduite Sécurisée) avec le support financier du ministère de la recherche, des transports et de l’industrie. Nous adressons nos remerciements à B. Rajaonah, J. Floris, J.- M. Mestre, M.-P. Pacaux-Lemoine, F. Anceaux, et P. Simon pour leur contribution à cette étude. VI. REFERENCES [1] G. Johannsen, “Man-machine systems, introduction and background”. In Proceedings 1st IFAC congress on Analysis, Design and Evaluation of Man-machine systems. Baden-Baden, 1982. [2] B. Riera, “Méthodologie d’évaluation d’interfaces Homme/Véhicule automobile”, Thèse de doctorat spécialité Automatique Industrielle et Humaine, Université de Valenciennes, 1993. [3] M.-P. Pacaux-Lemoine, “Coopération Hommes- Machines dans les procédés complexes : modèles techniques et cognitifs pour le contrôle aérien”, Thèse de doctorat spécialité Automatique Industrielle et Humaine, Université de Valenciennes, 1998. [4] P. Millot, “Supervision des procédés automatisés et ergonomie”. Editions Hermès, 1988. [5] T.B. Sheridan & W.L. Verplank, “Human and Computer Control of Undersea Teleoperators”, MIT Man-Machine Systems Laboratory, Cambridge, Man, Tech. Rep., 1978. [6] V. Riley, “A general model of mixed-initiative human- machine systems”, In Proceedings 33rd Annual Human Factors Society Conf.. Santa Monica, CA, pp. 124-128, 1989. [7] R. Parasuraman, T. B. Sheridan & C. D. Wickens, “A Model for Types and Levels of Human Interaction with Automation”. IEEE Transactions on Systems, Man, and Cybernetics - Part A: Systems and Humans, Vol. 30, No. 3, May 2000. [8] M.-P. Lemoine & S. Debernard, “Common work space for human-machine cooperation in air traffic control”. Control Engineering Practice, 10, pp. 571-576, 2002. [9] J.-M. Hoc & M.-P. Lemoine, “Cognitive evaluation of human-human and human-machine cooperation modes in air traffic control”. The International Journal of Aviation Psychology, 81, pp. 1-32, 1998. [10] P. Millot, “La supervision et la coopération homme- machine dans les grands systèmes industriels ou de transport”. In J.G. Ganascia (Ed.), Sécurité et cognition, pp.125-145, Paris: Hermès, 1999. [11] P. Millot & M.-P. Lemoine, “An attempt for generic concepts toward human-machine cooperation”. Paper presented at IEEE SMC, San Diego, USA, Oct 1998. [12] J.-M. Hoc & J.-M. Blosseville, “Cooperation between drivers and in-car automatic driving assistance”. In C.V. Gerrit, and J.F Hoorn (Eds.), Proceedings of CSAPC’03. 9th European Conference on Cognitive Science Approaches to process Control, pp. 17-22, Amsterdam: EACE, 2003. [13] L. Nilsson, “Safety effects of adaptive cruise controls in critical traffic situations”, In Proceedings 2nd World Congress Intelligent Transport Systems, pp 1254-1259, Tokyo: VERTIS, 1995. [14] G. Marsden, M. McDonald & M. Brackstone, “Towards an understanding of adaptive cruise control”. Transportation Research, Part C, Vol. 9C, No. 1, pp. 33-51, 2001. [15] K. Brookhuis & D. de Waard, “The human factor in advanced driver assistance systems”. In Proceedings Advanced Driver Assistance Systems: Vehicle Control for the Future Seminar. IMechE, London, 1999. [16] J. Hitz, J. Koziol & A. Lam, “Safety evaluation results from the field operational test of an intelligent cruise control DICCE system”. Number 2000011352 in SAE Technical Paper Series, 2000. [17] J. Bengtsson, Thesis: “Adaptive Cruise Control and Driver Modelling”, Department of Automatic Control, Lund Institute of Technology, l, 2001. [18] N.A. Stanton, M. Young & B. McCaulder, “Drive-by- wire: the case of driver workload and reclaiming control with adaptive cruise control”. Safety Science, 27 (2-3), pp. 149-159, 1997. [19] J.-C. Popieul, “Conception et évaluation de systèmes coopératifs avancés” (Rapport ARCOS CR040420- 1/lamih). Valenciennes, France: LAMIH, 2004. [20] F. Saad, M. Hjälmdahl, J. Cañas, M. Alonso, P. Garayo, L. Macchi, F. Nathan, L. Ojeda, V. Papakostopoulos, M. Panou & E. Bekiaris, “Literature review of behavioural effects - Draft version” (AIDE IST-1- 50767-IP). Retrieved July, 24, 2005 from INRETS, Arcueil, France: www.aide-eu.org/pdf/aide_d1-2- 1final.pdf, 2004. [21] F. Saad & T. Villame, “Intégration d’un nouveau système d’assistance dans l’activité des conducteurs automobile”. In J.G. Ganascia (Ed.), Sécurité et cognition, pp.155-114. Paris: Hermès, 1999. [22] L. Bainbridge, “Difficulties and errors in complex dynamic tasks”. Retrieved August, 24, 2002 from Department of Psychology, University College London: http://www.bainbrdg.demon.co.uk/Papers/CognDiffErr. html, 1998. [23] M. Kopf & G. Nirschl, “Driver-vehicle interaction while driving with ACC in borderline situations”. In Proceedings of the 4th World Congress on Intelligent Transport Systems, Berlin, Germany, 1997. [24] N. Tricot, B. Rajaonah, J.-C. Popieul, P. Millot, “Design and Evaluation of an Advanced Driver Assistance System: The Case of an Auto Adaptive Cruise Control”, Le Travail Humain, 69, pp. 129-152, 2006. e-STA copyright © 2007 by see Volume 4 (2007), N°2 pp 51-56