CONTEXTE

Dans l’interaction complexe et dynamique entre conducteurs et piétons, l’identification des intentions des piétons est un facteur clé. Il ne s’agit pas d’une tâche triviale pour le conducteur, car elle nécessite l’intégration de caractéristiques sensorielles, cognitives et décisionnelles. Un exemple important dans ce sens est l’anticipation des passages pour piétons, qui peut se produire en correspondance avec les signaux routiers appropriés (par exemple, les lampadaires ou les passages pour piétons). Dans ce cas, le conducteur doit intégrer des informations sensorielles et cognitives, ce qui entraîne une activation motrice en vue de la décélération ou du freinage. D’un point de vue neuronal, il a été reconnu que le cortex préfrontal dorsolatéral (DLPFC) joue un rôle prépondérant dans l’anticipation de comportements complexes.

DEFI

Détecter une différence potentielle dans l’activation comportementale et neuronale (DLPFC) face à des passages piétons prévisibles (avec signal routier) et imprévisibles (sans signal routier). D’un point de vue opérationnel, il s’agit de transmettre des événements déclencheurs SCANeR au logiciel de détection de signaux fNIRS.

SOLUTION

Une expérience de simulation de conduite neuro-comportementale a été menée sur SCANeR 2021. 2. Le développement d’un modèle Simulink ‘bridge’ pour permettre la communication entre SCANeR et le logiciel Aurora fNIRS.

AVANTAGES

La présente application a le potentiel de jeter une perspective nouvelle sur le mécanisme comportemental et neuronal du comportement du conducteur, en particulier dans la préparation du conducteur aux passages piétons prédits ou non prédits dans un environnement urbain simulé. La possibilité d’implémenter un modèle Simulink pour permettre la communication entre SCANeR et le logiciel neuropsychologique élargira l’applicabilité de SCANeR dans la recherche expérimentale.

SOLUTION POUR L’UTILISATEUR

Figure 1

Dans cette étude, des conducteurs âgés (de 36 à 50 ans) et des jeunes conducteurs (de 18 à 35 ans) ont été comparés dans une tâche de simulation de conduite, installée dans un environnement urbain. L’équipement expérimental consistait en un Logitech G29 comme dispositif de conduite, un fNIRS sans fil (Nirsport2) avec 16 sources de lumière, et 16 détecteurs, placés sur la main du participant à l’aide d’un bandeau spécial, en considération de la zone du cerveau concernée (cortex préfrontal). L’expérience a été menée dans un environnement de simulation CAVE (Cave Automatic Virtual Environment), avec une salle de contrôle séparée.

Avant l’expérience, une série de questionnaires ont été administrés, concernant la propension à la technologie, le style de conduite, la dominance hémisphérique du cerveau, l’échelle DASS ( Dépression, Anxiété, Stress Scale), et le questionnaire de maladie de la simulation. Au cours de l’expérience, les participants ont été invités à conduire le véhicule en suivant la piste programmée et à réagir aux événements qui pouvaient potentiellement se produire. Le long de la piste, 25 passages pour piétons étaient programmés, 16 prédits (avec passage pour piétons) et 7 non prédits (sans passage pour piétons). Les participants devaient réagir à chaque événement de manière cohérente avec (i) leur vitesse réelle, (ii) la vitesse du piéton, et (iii) leur perception du risque dans cette situation particulière (Figure 1). Le participant devait aller tout droit pendant presque toute l’activité de conduite, à l’exception de deux virages. Cette décision était limitée par le degré élevé de difficulté simulation que nous avons constaté dans l’environnement de simulation CAVE, qui crée un environnement hautement immersif ayant un impact sur le bien-être du participant à moyen et long terme.

Chaque passage pour piétons a été programmé sur SCANeR en fixant une série de déclencheurs le long de la voie, activés par le véhicule du participant lui-même. Lorsque le véhicule déclenchait une zone particulière, le piéton commençait à traverser la route. Les déclencheurs étaient également utiles pour diversifier l’environnement de la circulation, en changeant le type de véhicules du sens inverse de la marche et en caractérisant le paysage. La voie du participant n’était pas très fréquentée, afin d’éviter les freins sans rapport avec le comportement des piétons.

Afin de permettre la communication entre SCANeR et Simulink, nous avons profité des fichiers MatLab fournis par les API de SCANeR (setSCANeRPath.m, setupSCANeR.m). Cette solution nous a donné la possibilité de créer un nouveau module Simulink sur notre configuration SCANeR, et de développer un certain nombre de canaux d’exportation pour détecter les événements d’intérêt (par exemple, véhicule dans la zone de freinage, contact avec le piéton, etc.)

Ces canaux ont été ajoutés – conjointement avec les marqueurs temporels – dans le script SCANeR en correspondance avec les événements d’intérêt. Une fois la communication entre SCANeR et Matlab activée, un modèle Simulink a été développé pour permettre la transmission du signal au logiciel fNIRS. Ce modèle a recueilli la variation des valeurs de nos canaux d’exportation booléens (0-1) et, par le biais d’une connexion via un code internet, a envoyé le signal au logiciel Aurora chaque fois qu’un événement se produisait.

Dans Aurora, l’entrée a fusionné avec le signal fNIRS, spécifiant la fenêtre d’intérêt pour l’évaluation de la variation hémodynamique potentielle en préparation des passages piétons prédits ou non. Ces entrées ont une importance capitale dans les phases de traitement et d’analyse des données, car elles nous donnent la possibilité de comparer l’activité hémodynamique avec chaque événement spécifique calculé dans la tâche de simulation de conduite.
Après l’expérience, le participant a été libéré du bandeau fNIRS et a été invité à répondre à l’échelle TLX de la NASA et au questionnaire sur le mal de la simulation.

CITATION/ CHIFFRES CLÉS

L’anticipation de l’identification des intentions des piétons est une tâche complexe pour le conducteur pendant la conduite. Il s’agit ici d’intégrer correctement les informations sensorielles et cognitives dans un laps de temps limité, afin de préparer l’activation motrice adéquate en vue d’une manœuvre sûre.

PROCHAINE ÉTAPES

Comparer les preuves recueillies sur le sujet avec l’application actuelle de la conduite humaine dans le contexte de la conduite autonome, en recherchant les différences hémodynamiques et psychophysiologiques potentielles dans la préparation des passages pour piétons entre les conducteurs traditionnels et les passagers des véhicules autonomes.