Prévention des risques émergents des véhicules automatisés : comment améliorer les capacités attentionnelles des drivengers ?
- Ouddiz, Sharon (1995-....) (2024)
Thèse
Accès restreint
-
- 2024TLSEJ062
-
- Prévention des risques émergents des véhicules automatisés : comment améliorer les capacités attentionnelles des drivengers ?
-
- Preventing Emerging Risks of Automated Vehicles: How to Improve the Attentional Capacity of Drivengers?
-
- 25 octobre 2024
-
- Conduite automatisée
- Véhicules automatisés de niveau 3
- Reprise de la conduite
- Prévention
- Attention
- Charge mentale
- Expertise
- Modèle MART
- Oculométrie
- Simulation
- ECG
- Comportement au volant
- Accidents
-
- Automated driving
- Level 3 automated vehicles
- Takeover
- Prevention
- Attention
- Mental workload
- Expertise
- MART model
- Eye tracking
- Simulation
- ECG
- Driving behaviour
- Accidents
-
-
En supprimant le facteur humain de la conduite, l’automatisation des véhicules prévoit de diminuer la mortalité routière. Cependant, les véhicules automatisés actuels et futurs ne retirent que partiellement l’humain de la boucle de la conduite. Avec un véhicule automatisé de niveau 3, l’humain pourra s’engager dans diverses tâches annexes mais devra être capable de reprendre le volant en cas d’inopérabilité du système. Ce retrait partiel de l’humain est problématique, les drivengers (contraction de conducteur et de passager) ont des comportements à risques lorsqu’ils doivent reprendre le contrôle de leur véhicule après un trajet automatisé de niveau 3. Plusieurs explications sont apportées dans la littérature, comme l’effet « out-of-the-loop » : retirer l’humain de la boucle de la conduite impacterait ses capacités à réacquérir une conscience de la situation optimale après la reprise, expliquant ses comportements inadaptés. Les modèles du switch attentionnel expliquent ces performances altérées par le coût du switch entre la tâche annexe et la conduite, imposé lors de la reprise. Le modèle MART propose une explication basée sur la dynamique malléable des ressources attentionnelles : ces performances détériorées seraient la conséquence du rétrécissement des ressources disponibles, en réponse à la sous-charge mentale expérimentée durant le mode automatisé. L’objectif principal de cette thèse est de mieux comprendre la cause des performances dégradées observées chez les drivengers lors de la reprise, et des facteurs pouvant les impacter. Dans la mesure où l’expertise routière se développe avec la pratique, les drivengers de demain n’atteindront peut-être jamais un niveau d’expertise suffisant à la mise en place de comportements sécuritaires. Ainsi, nos études se sont intéressées à l’étude des comportements des novices lors de la reprise.
La première étude montre que la moitié des individus a une perception inadéquate de la reprise, percevant celle-ci comme trop facile ou difficile. La deuxième étude évalue le comportement visuo-attentionnel des drivengers durant la préparation à la reprise en fonction de leur expertise routière. Les résultats montrent des comportements visuo-attentionnels particulièrement altérés chez les drivengers novices en comparaison aux experts et à leurs homologues conducteurs. La troisième étude a pour objectif de mieux comprendre la cause des comportements visuo-attentionnels altérés, en particulier chez les novices, en évaluant leur fréquence de switch attentionnel. Les résultats montrent que les novices ont une fréquence de switch deux fois plus élevée que les experts, pouvant expliquer leurs performances dégradées. Enfin, la dernière étude évalue le modèle MART comme modèle explicatif des difficultés des drivengers à reprendre la conduite manuelle. Les résultats montrent que s’engager dans une tâche annexe exigeante durant le mode automatisé préserve les comportements lors de la reprise, alors qu’une tâche annexe peu exigeante, associée à un état de sous-charge, engendre un rétrécissement des ressources attentionnelles disponibles et des performances de reprise dégradées. L’effet négatif de la sous-charge mentale impacte particulièrement les novices, la différence entre ressources attentionnelles disponibles et requises pour la tâche de reprise étant plus important que pour les experts. Les résultats des quatre études sont discutés au regard des modèles de la conscience de la situation, des ressources attentionnelles et du switch attentionnel.
-
En supprimant le facteur humain de la conduite, l’automatisation des véhicules prévoit de diminuer la mortalité routière. Cependant, les véhicules automatisés actuels et futurs ne retirent que partiellement l’humain de la boucle de la conduite. Avec un véhicule automatisé de niveau 3, l’humain pourra s’engager dans diverses tâches annexes mais devra être capable de reprendre le volant en cas d’inopérabilité du système. Ce retrait partiel de l’humain est problématique, les drivengers (contraction de conducteur et de passager) ont des comportements à risques lorsqu’ils doivent reprendre le contrôle de leur véhicule après un trajet automatisé de niveau 3. Plusieurs explications sont apportées dans la littérature, comme l’effet « out-of-the-loop » : retirer l’humain de la boucle de la conduite impacterait ses capacités à réacquérir une conscience de la situation optimale après la reprise, expliquant ses comportements inadaptés. Les modèles du switch attentionnel expliquent ces performances altérées par le coût du switch entre la tâche annexe et la conduite, imposé lors de la reprise. Le modèle MART propose une explication basée sur la dynamique malléable des ressources attentionnelles : ces performances détériorées seraient la conséquence du rétrécissement des ressources disponibles, en réponse à la sous-charge mentale expérimentée durant le mode automatisé. L’objectif principal de cette thèse est de mieux comprendre la cause des performances dégradées observées chez les drivengers lors de la reprise, et des facteurs pouvant les impacter. Dans la mesure où l’expertise routière se développe avec la pratique, les drivengers de demain n’atteindront peut-être jamais un niveau d’expertise suffisant à la mise en place de comportements sécuritaires. Ainsi, nos études se sont intéressées à l’étude des comportements des novices lors de la reprise.
-
-
By removing the human factor from driving, vehicle automation aims to reduce road mortality. However, current and future automated vehicles only partially remove humans from the driving loop. With a level 3 automated vehicle, humans can engage in various Non-Driving- Related Tasks (NDRT) but must be capable of taking over the wheel if the system fails. This partial removal of humans poses problems; "drivengers" (contraction of driver and passenger) exhibit risky behaviors when they must regain control after a level 3 automated journey. Several explanations are offered in the literature, such as the "out-of-the-loop" effect: removing humans from the driving loop impacts their ability to regain optimal situational awareness upon takeover, explaining their inappropriate behaviors. Attention switch models explain these impaired performances due to the cost of switching between the NDRT and the driving task during takeover. The MART model proposes an explanation based on the malleable dynamics of attentional resources: degraded performances result from the narrowing of available resources in response to mental underload experienced during automated mode. The main goal of this thesis is to better understand the causes of degraded performances observed in drivengers during takeover and the factors influencing them. Given that driving experience develops with practice, future drivengers may never achieve sufficient expertise for safe driving behaviors. Therefore, our studies focus on novice behaviors during takeover.
The first study shows that half of the individuals have an inadequate perception of takeover, perceiving it as either too easy or difficult. The second study evaluates the visuo- attentional behavior of drivengers during preparation for takeover based on their driving experience. Results indicate significantly impaired visuo-attentional behaviors among novice drivengers compared to experts and their drivers’ counterparts. The third study aims to better understand the cause of impaired visuo-attentional behaviors, especially among novices, by evaluating their attentional switch frequency. Results show novices have twice the switch frequency compared to experts, potentially explaining their degraded performances. Finally, the last study evaluates the MART model as an explanatory model for the difficulties drivengers experience during takeover. Findings indicate engaging in a demanding NDRT during automated drive preserves takeover behaviors, while engaging in low demanding NDRT (mental underload), narrows available attentional resources and degrades takeover performances. The negative impact of mental underload particularly affects novices, with a greater gap between available and required attentional resources for the takeover task compared to experts. Results from all four studies are discussed in relation to models of situational awareness, attentional resources, and attentional switching.
-
By removing the human factor from driving, vehicle automation aims to reduce road mortality. However, current and future automated vehicles only partially remove humans from the driving loop. With a level 3 automated vehicle, humans can engage in various Non-Driving- Related Tasks (NDRT) but must be capable of taking over the wheel if the system fails. This partial removal of humans poses problems; "drivengers" (contraction of driver and passenger) exhibit risky behaviors when they must regain control after a level 3 automated journey. Several explanations are offered in the literature, such as the "out-of-the-loop" effect: removing humans from the driving loop impacts their ability to regain optimal situational awareness upon takeover, explaining their inappropriate behaviors. Attention switch models explain these impaired performances due to the cost of switching between the NDRT and the driving task during takeover. The MART model proposes an explanation based on the malleable dynamics of attentional resources: degraded performances result from the narrowing of available resources in response to mental underload experienced during automated mode. The main goal of this thesis is to better understand the causes of degraded performances observed in drivengers during takeover and the factors influencing them. Given that driving experience develops with practice, future drivengers may never achieve sufficient expertise for safe driving behaviors. Therefore, our studies focus on novice behaviors during takeover.
-
- Accès restreint
Citation bibliographique
Ouddiz, Sharon (1995-....) (2024), Prévention des risques émergents des véhicules automatisés : comment améliorer les capacités attentionnelles des drivengers ? [Thèse]