eurofot ceesar_presentation_20100526
DESCRIPTION
TRANSCRIPT
EuroFOTPrésentation mi-parcours
CEESAR INRETS
26 mai 2010
Clément VALResponsable Département Expérimentations et Sciences du Comportement
CEESAR
Congestion
• 50 Md € / an
• 10% du réseau est embouteillé chaque jour
Efficacité énergétique et émissions
• 80% de l’énergie
• 85% des émissions
(transport routier / tous transports)
Sécurité
• 1.4 M d’accidents par an
• Environ 40 000 morts
• 2% du PIB
Plus de 90% des accidents causés par une erreur humaine
Biomécanique
AccidentologieAccidents
Matériels
Corporels
Mortels
Sécurité secondaire
Sécurité tertiaire
Sécurité primaire
Comportement
Education, expérience
Ergonomie
Support à l’attention
Systèmes d’alerte
Systèmes d’assistance
PrecrashSécurité secondaireSécurité tertiaire
Conduite naturelle & FOT
FOT ?
Comportement
www.eurofot-ip.eu
Consortium
euroFOT is a European Commission DG Information Society co-funded Integrated Project (IP)
Duration: 40 Months, from May 2008 until August 2011Total cost: !22 Million EC contribution: !14 Million
Contact: Project Coordinator: Aria Etemad, [email protected]
www.eurofot-ip.eu
Universities and Research Centres
European Center for Informationand Communication TechnologiesEICT GmbH
Other OrganisationsAutomotive SuppliersVehicle Manufacturers
Constructeurs
www.eurofot-ip.eu
Consortium
euroFOT is a European Commission DG Information Society co-funded Integrated Project (IP)
Duration: 40 Months, from May 2008 until August 2011Total cost: !22 Million EC contribution: !14 Million
Contact: Project Coordinator: Aria Etemad, [email protected]
www.eurofot-ip.eu
Universities and Research Centres
European Center for Informationand Communication TechnologiesEICT GmbH
Other OrganisationsAutomotive SuppliersVehicle Manufacturers
Equipementiers
www.eurofot-ip.eu
Consortium
euroFOT is a European Commission DG Information Society co-funded Integrated Project (IP)
Duration: 40 Months, from May 2008 until August 2011Total cost: !22 Million EC contribution: !14 Million
Contact: Project Coordinator: Aria Etemad, [email protected]
www.eurofot-ip.eu
Universities and Research Centres
European Center for Informationand Communication TechnologiesEICT GmbH
Other OrganisationsAutomotive SuppliersVehicle Manufacturers
Instituts de recherche
www.eurofot-ip.eu
Consortium
euroFOT is a European Commission DG Information Society co-funded Integrated Project (IP)
Duration: 40 Months, from May 2008 until August 2011Total cost: !22 Million EC contribution: !14 Million
Contact: Project Coordinator: Aria Etemad, [email protected]
www.eurofot-ip.eu
Universities and Research Centres
European Center for Informationand Communication TechnologiesEICT GmbH
Other OrganisationsAutomotive SuppliersVehicle Manufacturers
Autres
Consortium
MAN
Volvo Trucks
Volvo Cars
VW
Fiat
Audi
LDW & IW
Volvo Cars
BLIS
CEESAR
SCS
Ford
CSW
BMW
Mercedes
SafeHMI
Volvo Trucks
FEA
Ford
MAN
Volvo Trucks
Volvo Cars
VW
Audi
ACC
50+ FEA Trucksauto-logging
1500 questionnaires to300 vehicles with LDW
Ford
MAN
Volvo Trucks
Volvo Cars
FCW
CAN + Video+ Extra sensors
CAN + Video
CAN Only
Data Loggers in Total
35
150
275
460
Centres d’essais
Function Identification& Description
Use Cases
Research Questions& Hypothesis
Performance Indicators & Study Design
Measures & Sensors
Data Acquisition
Database
Measures PerformanceIndicators
Data Analysis
Research Questions& Hypothesis Analysis
Impact Assessment
Socio-EconomicCost Benefit Analysis
Preparing Analysis
Driving
Legal & Ethical Issues
Partners
In-vehicle systems for driving support (Sub-project 2)ObjectiveseuroFOT is a European-wide large scale fi eld test involving 28 partners that have committed to test eight different in-vehicle functions. The fi rst objective of this sub-project is to provide common guidelines to the euroFOT project by 1) defi ning common scientifi c questions and 2) specifying all systems under examination. Further objectives of this sub-project are: to create the fi rst prototypes able to collect fi eld test data and to perform the pilot tests of the euroFOT project.
ApproachThe eight different in-vehicle functions tested in the euroFOT project have been identifi ed and will be described in detail. In total, 20 different systems will be under test. Differences and similarities among these systems will be taken into account in order to formulate common scientifi c questions to study the impact that these functions have on traffi c safety, effi ciency and on driver behaviour.
Following the common guidelines from this sub-project, each of the vehicle manufacturers will be in charge of creating the fi rst prototype vehicles. These prototype vehicles will be tested, according to a common procedure, in a pilot experiment before the real euroFOT data collection begins.
Expected results
and data analysis.
The euroFOT project needs clear objectives, unfailing installation, and a comprehensive pilot test ”Marco Dozza,Volvo Technology
Partners
In-vehicle systems for driving support (Sub-project 2)ObjectiveseuroFOT is a European-wide large scale fi eld test involving 28 partners that have committed to test eight different in-vehicle functions. The fi rst objective of this sub-project is to provide common guidelines to the euroFOT project by 1) defi ning common scientifi c questions and 2) specifying all systems under examination. Further objectives of this sub-project are: to create the fi rst prototypes able to collect fi eld test data and to perform the pilot tests of the euroFOT project.
ApproachThe eight different in-vehicle functions tested in the euroFOT project have been identifi ed and will be described in detail. In total, 20 different systems will be under test. Differences and similarities among these systems will be taken into account in order to formulate common scientifi c questions to study the impact that these functions have on traffi c safety, effi ciency and on driver behaviour.
Following the common guidelines from this sub-project, each of the vehicle manufacturers will be in charge of creating the fi rst prototype vehicles. These prototype vehicles will be tested, according to a common procedure, in a pilot experiment before the real euroFOT data collection begins.
Expected results
and data analysis.
The euroFOT project needs clear objectives, unfailing installation, and a comprehensive pilot test ”Marco Dozza,Volvo Technology
Méthode
Difficultés attendues
• Techniques
• Logistiques
• Ethiques et légales
• Scientifiques
Hélène TattegrainResearcher
INRETS / LESCOT
Conception du FOTEtude du limiteur et du régulateur de vitesse
Objectifs• Etudier les comportements réels de l’usage de systèmes de transport
intelligents en milieu écologique
• Avantages
• Nombreuses situations écologiques
• Usages réels : risque, détournement, appropriation
• Contraintes• Uniquement observation des comportements
• Opinion des utilisateurs globales
• Automatisation du recueil nécessaire
Méthode itérative pour la conception du FOT
Processus de conception du FOT
Que veut-on analyser
Que veut-on mesurer
Hypothèses de recherche
Comment peut-on le mesurer
Comment peut-on l’analyserIndicateurs de performance
Variables situationnelles
Plan d’analyse
Protocole expérimental Itératif
Description des hypothèses 1/4
• Déclaration spécifique liant une cause à un effet et basée sur un mécanisme liant les deux.
• Evaluée avec des moyens statistiques en analysant des indicateurs de performance spécifiques dans des scénarios spécifiques.
• Prévoie la direction du changement attendu.
• S= Sécurité, E= Environnement,
• U= Usage, A= Acceptabilité
• M= Mobilité, D= Comportement du conducteur,
Description des hypothèses 2/4
• Raison :
Pourquoi évaluons-nous cette hypothèse ?
• Situations de Comparaison :
Situation qui sera utilisée pour la comparaison dans une analyse.1) Conduite de référence (AUCUN SL/CC) comparée à conduite avec systèmes (SL/CC disponibles)
2) Conduite avec systèmes comparée à une référence extérieure
(par exemple une base de données d'accident ou un modèle d'émission de CO2)
3) Conduite avec systèmes comparée entre type de conducteur différent ou situation routière différente
4) Avis du conducteur enregistré plusieurs fois
5) Conduite avec systèmes enregistrée plusieurs fois
• Cas d'Utilisation et Scénario1) N'importe quel scénario où la vitesse n'est au-dessus de 30 km/h
2) Aucun cas d'utilisation particulier
3) N'importe quel scénario
Description des hypothèses 2/3
• Facteurs Contrôlés
facteurs constants dans une analyse
A - Activation-SL B - CC Activation
C - Caractéristique du conducteur (chercheur de sensation)
D - Type de Route E - Densité d'Intersection
F - Vitesse s'étend G – Météo
• Facteurs variables
non gardés constants dans une analyse, ayant de l'influence sur les résultats
a - Densité de trafic b - Type de Route c - Temps absolu (jour/semaine)
d - Météo e - Limitations de vitesse l – Pente de la route
f – Rayon de courbure g - Caractéristique du conducteur (chercheur de sensation)
k - Température du moteur m - Caractéristique de Conducteur (âge)
p - Caractéristiques du système q - Limitation de vitesse contextuelle
r – Nombre de km avec système activé
Description des hypothèses 4/4
• Indicateur(s) de performance
Indicateur quantitatif ou qualitatif,
tiré d'une ou plusieurs mesures, convenues à l'avance,
exprimé comme un pourcentage, un index, une note ou une autre valeur,
contrôlé à intervalles réguliers ou irréguliers
peut être comparé à un ou plusieurs critères.
Exemple d’hypothèseDomaine U1
HypothèseLa fonction de SL sera utilisée plus sur des routes urbaines et des
routes avec beaucoup d'intersections.
RaisonRespecter la limitation de vitesse sans avoir a contrôler la vitesse en
zone urbaine
Situations de Comparaison
3) Conduite avec systèmes comparée entre situations routières différentes
UC/Scénario N'importe quel scénario où la vitesse est au-dessus de 30 km/h
Facteurs Contrôlés
A - SL Activation D – type de route G – MétéoE - Densité d'intersection F - Vitesse (vitesse > 30km/h)
Facteurs variables
a - densité de trafic q - limitation de vitesse contextuelle b - type de Route
Indicateurs de performance nombre de km avec le système activé
Hypothèses pour les deux systèmes1/2
• Comportement du conducteur
• L'utilisation SL/CC réduira la vitesse moyenne du véhicule
• L'utilisation SL/CC réduira le nombre d’excès de vitesse
• L'utilisation SL/CC augmentera le nombre de jerks importants
• Sécurité
• La pénétration importante des SL/CC diminuera le nombre d'accidents
• La pénétration importante des SL/CC diminuera la sévérité des accidents
• Usage
• Pour les CC/SL la vitesse choisie sera au-dessous de la vitesse légale pour des conducteurs « non-chercheurs de sensation »
• Pour les CC/SL la vitesse choisie sera juste au dessus de la vitesse légale (juste pour éviter des amendes) pour des conducteurs « chercheurs de sensation »
Hypothèses pour les deux systèmes 2/2
• Environnement
• L'utilisation SL/CC réduira la consommation de carburant et l'émission de CO2
• Acceptabilité• Le niveau d'acceptation et la confiance augmentera avec l'expérience du SL/CC
• L'utilisation du SL/CC augmentera le confort et le plaisir de conduire
• Certaines caractéristiques (fonctions) des SL/CC en termes de facilité d'emploi influenceront l'acceptation.
• Certaines caractéristiques(fonctions) du système SL/CC, en terme d'utilité, influenceront l'acceptation d'utilisateur ?
• SL/CC l'utilisation des système augmentera en fonction du temps.
• La charge de travail du conducteur diminuera en fonction du temps avec l'utilisation de système SL/CC.
• Les pratiques de l’utilisateur (heuristiques, règles) changeront en fonction du temps pendant le FOT.
Hypothèses spécifiques à un système
• Usage
• La fonction SL sera plus utilisée sur des routes urbaines et des routes avec beaucoup d'intersections
• La fonction CC sera utilisée plus sur autoroutes et sur routes avec peu d'intersections
• Sécurité
• L'utilisation CC augmentera le temps de réaction pour freiner
Indicateurs objectifs de performance 1/2
• Activation des systèmes
• Nombre de km avec le système activé
• Pourcentage de km avec le système activé
• Vitesse
• Distribution (moyenne speed ,écart type ,max)
• Evolution de la vitesse (distribution instantanée)
• Moyenne de la différence entre la vitesse et la vitesse limite
• Excès de vitesse
• Fréquence des excès/km
• Pourcentage de temps au dessus de la vitesse limite
• Moyenne des différences entre la vitesse et la vitesse limite
• Accélération• Fréquence du jerk longitudinal
• Position des pieds• Temps entre de début du mouvement et le début du freinage
• Pourcentage de temps avec les pieds sur les pédales d’accélérateur et de frein
• Distances moyenne, max et min entre la pied et la pédale de frein
• Consommation de carburant• Histogramme de consommation [par variable situationnelle. /événement]
• Moyenne de consommation (1) calculée total
• Moyenne de consommation (1) calculée par le moteur
Indicateurs objectifs de performance 2/2
Indicateurs subjectifs de performance
• Questionnaires
• Utilité perçue
• Satisfaction perçue
• Acceptabilité sociale, confiance perçues
• Efficacité perçue
• Facilité d’utilisation perçue
• Charge mentale subjective
• Usages déclarés
Plan expérimental • Besoins
• Beaucoup d’hypothèses mesurent une évolution
Nécessité d’une référence de conduite sans système
• Etalonner les indicateurs de performance
Nécessité de données vidéo
• Résultats quantitatif
Besoin d’une large période de recueil
• Contraintes
• Temps d’analyse, coût d’équipement , coût de stockage de données
5 véhicules suréquipés sur 1.5 mois et 35 véhicules moins équipés sur un an
Chaque participant aura les deux types de véhicules
Véhicule participant
Plan expérimental
M1 M2 M3 M4 M5 M6 M7 M8 M9 M10 M11 M12 M13 M14
7 vagues de 5 conducteurs
Véhicule suréquipé
Expérimentation
Référence
Processus de conception du FOT
Que veut-on analyser
Que veut-on mesurer
Hypothèses de recherche
Comment peut-on le mesurer
Comment peut-on l’analyserIndicateurs de performance
Variables situationnelles
Plan d’analyse
Protocole expérimental Itératif
Guillaume Saint PierreChargé de Recherche
LIVIC (INRETS / LCPC)
Analyse de donnéesDe la base de données à l’analyse coûts-bénéfices
Processus de conception du FOT
Que veut-on analyser
Que veut-on mesurer
Hypothèses de recherche
Comment peut-on le mesurer
Comment peut-on l’analyserIndicateurs de performance
Variables situationnelles
Plan d’analyse
Protocole expérimental Itératif
Plan
1. Introduction : Des données complexes pour des analyses multiples
2. Répondre aux hypothèses
3. Analyse globale des impacts
1. Méthode indirecte
2. Méthode directe
4. Planning
1. Des données complexes pour des analyses multiples
Cartographie
capteurs
video
quest
ionna
ires
Analyse d’impacts:
• Sécurité• Mobilité• EnvironnementBDD
Objectifs du projet EuroFOT
• Evaluer l’acceptabilité et l’utilisabilité du système.
• Analyser les effets sur le comportement de conduite, la charge mentale, et étudier les effets d’apprentissage.
• Identifier les effets des systèmes sur la sécurité, la mobilité et l’environnement.
• Mener une analyse socio-économique de type coût/bénéfice.
• Aucun précédent Européen sur l’analyse des FOT
• Des dizaines de milliers d’heures de route
• Quelques centaines (milliers) d’évènements à repérer, extraire et analyser
• Comment analyser un jeu de données gigantesque et déstructuré afin d’aboutir à une analyse coût/bénéfice fiable ?
Enjeux
2. Répondre aux hypothèses de recherche
Utilisation d’indicateurs reliés au phénomène étudié (Performance indicators, PI).
Analyses de variance (comparaison de moyennes avec/sans).
Approche descriptive qui moyenne le comportement des conducteurs selon les situations.
Description des situations à l’aide de variables (Type de route, nbre de voies, météo, niveau de congestion, limitation de vitesse etc.)
Calcul des PI
• PI objectifs
Obtenus grâce aux capteurs embarqués
Ils sont agrégés selon les situations de conduite
Les situations de conduite sont des combinaisons de variables de situation (type de route, limitation de vitesse etc.)
• PI subjectifs
Obtenus grâce aux questionnaires
Indicateurs globaux : Ne sont pas reliés aux situations de conduite
Test statistique d’une hypothèse
• Idée de fond :
Prendre une décision entre deux hypothèses
H0 : Il n’y a pas de différence avec/sans le système
H1 : Il y a une différence
Si les données mesurées lors du FOT « avec » système sont « significativement » différentes, on accepte H1.
Accepter H0 n’est pas une preuve que le système n’a pas d’effet…
• Quel seuil de significativité choisir ?
Exemple : Utiliser le CC réduit la consommation de carburant
• Facteurs contrôlés : Etat du CC, Densité de trafic
• Facteurs variables : Type de route, type de conducteur, vitesses limites, pente, température
• PI : Consommation en l/100km
• Méthode : Analyse de la variance
• Construction de tables différentes pour chaque facteur variable
• Cette approche ne tient pas compte de scenarios types : Les sommets de côte par exemple
Fuel consumptions during baseline
Baseline
Driver_1
Trip_1 L/100kmBaseline
Driver_1 ...
Baseline
Driver_1
Trip_n1 L/100km
Baseline
...
Baseline
Driver_k
Trip_1 L/100km
Baseline
Driver_k ...
Baseline
Driver_k
Trip_nk L/100km
Experiment
(only data with SL “on”)
Driver_1
Trip_n1+1
(split in different parts according to SL
usage)
L/100km
Experiment
(only data with SL “on”)
Driver_1 ...
Experiment
(only data with SL “on”)
Driver_1
Trip_n1’
(split in different parts according to SL
usage)
L/100km
Experiment
(only data with SL “on”)
...
Experiment
(only data with SL “on”)
Driver_k
Trip_nk+1
(split in different parts according to SL
usage)
L/100km
Experiment
(only data with SL “on”)
Driver_k ...
Experiment
(only data with SL “on”)
Driver_k
Trip_nk’(split in different parts according to SL
usage)L/100km
3. Impact global
• Objectifs
Analyser les effets de la fonction testée au niveau National/Européen,
Concernant l’impact sur le trafic, la mobilité et l’environnement.
Etudier plusieurs taux de pénétration.
Permettre une analyse coût/bénéfice.
• Impact sur le trafic
Effets directs : Temps de trajet, homogénéisation du trafic, réduction des congestions
Effets indirects : Réduction du nombre de situations accidentogènes liées aux congestions
• Impact sur la sécurité
Réduction du nombre de situations accidentogènes liées au système (modélisation).
Réduction de la gravité des accidents liés au système
• Impact sur l’environnement : Consommation et émissions de CO2
Liés aux effets du système
Liés aux effets indirects sur le trafic
Evaluations indispensables pour une ACB
Hypothèses communes nécessaires
Additional Hypotheses for impact assessment - Direct routeCAN Only Vehicles Fully instrumented Vehicles
Safety Function x decreases the average speed OK OK
Safety Function x decreases the variation in speed OK OK
Safety Function X decreases the share of critical THW OK OK
Safety Function X decreases the share of critical TTC OK OK
Safety Function X decreases the share of critical TLC OK
Safety Function X decreases the number of unintended line crossings OK
Safety Function X decreases the number of heavy steering jerks OK OK
Safety Function X decreases the frequency and duration of hard braking OK OK
Safety Function X decreases the frequency and duration of hard accelerationOK OK
Mobility Function X increases the number of trips OK OK
MobilityFunction X increases the number of vehicle km travelled (per road category) OK OK
Environment Function X decreases the fuel consumption per km OK OK
Différentes approches
• Méthode indirecte
Utilisation des données FOT comme entrée de modèle de comportement du conducteur
Modélisation des interactions avec les autres véhicules
Simule différents taux de pénétration
• Méthode directe
Utiliser directement les données issues du FOT
Projeter à l’échelle nationale en extrapolant les situations observées
Mais peu fiable pour des systèmes interagissant avec le trafic
Méthode indirecte : Simulation de trafic
• Pour la France : Utilisation de ITS Modeler (TNO).
• Permet de répondre aux questions environnementales, et d’étudier différents taux de pénétration.
• Une littérature abondante sur les mécanismes d’accident : TRACE, eIMPACT, AIDE, etc.
• Mais pas de consensus européen sur une méthodologie.
• Tentative de mettre en place une méthodologie nouvelle adaptée à chaque système.
Méthode directe : comment évaluer les effets sur la sécurité ?
Principe
• Evaluer l’impact sur la sécurité signifie transformer les données FOT (vit, TIV, etc.) en nombre de morts (et/ou blessés grâves).
• Impact sécurité = Proba d’accident * grâvité * exposition au risque
• Risque :
Risque d’accident = Proba d’accident * grâvité
• Comment déterminer ce risque ?
• Et l’exposition au risque ?
Plusieurs choix
• Utilisation de relations entre vitesse moyenne et risque/gravité (Nilsson)
• Détailler le risque d’accident selon les situation (combinaisons SV variables) et utiliser les BDD d’accident Européennes pour extrapoler (Matrices de risque)
• Etudier en détail chaque « type » d’accident potentiellement modifié par la fonction
Utilisation de modèles physiques
Détection des situations de conflits et de presque-accident
Problèmes
• Bases de données d’accident françaises insuffisamment détaillées, confidentielles, ou non-représentatives
Impossibilité d’extrapoler à partir des données FOT de type « conflits » ou presque accidents
• Usage intensif de la vidéo difficile pour la détection de conflits. Mais indispensable …
• Très grand nombre de situations de conduites différentes : risque de données insuffisantes
Pour SL/CC
• Tentative de combiner les différentes approches :
Détection des conflits et des presque-accidents
Approche moyenne (ex du LAVIA)
Matrice de risque (combinaisons de SV)
Simulation (ITS Modeler)
• Mais extrapolation à la France rendue difficile par manque d’information disponible.
4. Planning
• Mars 2010 : 1er concept méthodologique
• Avril-Mai 2010 : visite aux USA (VTTI, UMTRI, Volpe Center)
Six personnes expérimentées en accidentologie, sécurité routière, technique automobile, psychologie, facteurs humains, et statistique.
• Juin 2010 : second concept methodologique
• Sept 2010 : methodologie OK
• Fin 2010 : Outils prêts
Processus de conception du FOT
Que veut-on analyser
Que veut-on mesurer
Hypothèses de recherche
Comment peut-on le mesurer
Comment peut-on l’analyserIndicateurs de performance
Variables situationnelles
Plan d’analyse
Protocole expérimental Itératif
Michael Regan, PhDResearch Director
INRETSAdjunct ProfessorChalmers University of Technology, Sweden
Subjective data collection in Field Operational Tests
Overview
• Objective data
• Subjective data
• Why is subjective data important in FOTs?
• The euroFOT questionnaire
• Conclusion
Objective Data• Objective data are observations that do
not involve personal feelings and which are based on observable facts
• eg vehicle speed, driver eye glance location, and time to collision.
• Objective data are derived from on-board sensors – such as radar, video, eye tracking systems etc and are recorded by a data acquisition system equipped to vehicle.
Subjective Data (1)
• Subjective data are observations that involve personal feelings, attitudes, and perceptions.
• eg subjective mental workload, perceived satisfaction, trust …
Subjective Data (2)
• Subjective data for Field Operational Tests are usually derived from three main sources:
- questionnaires
- interviews (with individual drivers)
- focus groups
Subjective Data (3)• In euroFOT, we are relying on a questionnaire to collect
subjective data :
- to ensure that the same data is collected in the same way by each of the vehicle management centres across Europe
- to minimize the time required to collect the required information
- to enable us to collect the information we need at specific points in time during the study
- to make it easier to aggregate and harmonize the analysis of the subjective data by the different VMCs
Why is Subjective Data Important?
• to obtain insights that cannot be obtained by objective methods
• to collect data that cannot, for technical reasons, be collected by the vehicle data acquisition system
• to understand why a hypothesis tested does not yield an expected result
• to test whether the systems under investigation have a differential effect on different driver sub-groups
• to understand why the system is effective
euroFOT questionnaire (1)
• The euroFOT questionnaire is divided into six parts.
• It is designed to collect subjective data that will enable us to answer, for each of the functions being evaluated, several specific questions.
• Subjective data will be collected before, during and after drivers have interacted with the systems - so we can assess changes over time eg changes in subjective mental workload and driver acceptance
euroFOT questionnaire (2)
why do drivers choose not to participate in the study?
what is the impact of the system on driver subjective mental workload?
Is the system acceptable to drivers?: perceived usefulness perceived satisfaction perceived social acceptability affordability trust perceived effectiveness perceived ease of use
euroFOT questionnaire (3)
What are the driver characteristics that could influence the impact of the systems on driving performance and behaviour? : Accident record Experience with in-vehicle technologies Experience with other technologies Attitude toward target behaviours Demographic data (eg age, gender) Personality (sensation seeking) Travel patterns (by road type/time of day) Driving behaviour (self reported targeted behaviours) Social influence (degree to which significant others influence the driver)
euroFOT questionnaire (4)
Do drivers misuse or abuse the systems – do they use the system in ways not intended by the designers of the system?
Do drivers intend to use the system after the study is over?
Does the way in which drivers interact with the system change over time? And how?
Conclusions
There are 3 main challenges for euroFOT in collecting subjective data using questionnaires.
Questionnaires need to be short, as previous experience with FOTs has shown that drivers will not complete them if they are too long, or if there are too many .
The Field Operational Test is a maturing methodology, and for some information that we wish to collect in euroFOT there currently exist no valid, reliable and standardised measures. We had to develop our own measures.
The questionnaires must be designed so that data that are collected can be easily analysed.
Logistique
Recrutement
• Réseau Renault
• 35 conducteurs > 5 conducteurs par vague
• Véhicules neufs (Clio & Laguna)
• 30-59 ans (puis 25-30 ans si nécessaire)
• Hommes - Femmes
• Ouest de la région parisienne
• Kilométrage / an > 15 000
Protocole expérimental
M1 M2 M3 M4 M5 M6 M7 M8 M9 M10 M11 M12 M13 M14
7 vagues de 5 conducteurs
Protocole expérimental
A fait l’objet de deux procédures liées aux aspects éthiques et légaux auprès de :
• la CNIL
• du CPP Ile de France II
Protocole expérimentalRecrutement 10 s 2 s 16 s 2 s 16 s 2 s
Achat Livraison
Protocole expérimentalRecrutement 10 s 2 s 16 s 2 s 16 s 2 s
Achat Livraison
Entretien téléphonique (20’)• Conformité avec les critères d’inclusion• Rendez-vous pour le recrutement
Protocole expérimentalRecrutement 10 s 2 s 16 s 2 s 16 s 2 s
Achat Livraison
Rendez-vous 1 : Recrutement (2h00)• Présentation de CEESAR / INRETS et de EuroFOT• Présentation de l’instrumentation• Présentation et signature des documents conducteurs• Prise du prochain rendez-vous
Accords avec le participant
• Notice d’information
• Consentement libre et éclairé
• Formulaire d’accord de participation
• Autorisation d’utilisation d’image
• Conditions générales de prêt de véhicule
Protocole expérimentalRecrutement 10 s 2 s 16 s 2 s 16 s 2 s
Achat Livraison
Rendez-vous 2 : Instrumentation (4h30)• Instrumentation• Questionnaire Time 1• Explication: hotline, équipements• Formation RV/LV• Prise du prochain rendez-vous
Protocole expérimentalRecrutement 10 s 2 s 16 s 2 s 16 s 2 s
Achat Livraison
Rendez-vous 3 (20’)• Permutation des véhicules > véhicule CEESAR• Prise du prochain rendez-vous
Protocole expérimentalRecrutement 10 s 2 s 16 s 2 s 16 s 2 s
Achat Livraison
Rendez-vous 4 (40’)• Permutation des véhicules > véhicule personnel• Questionnaire Time 2• Prise du prochain rendez-vous
Protocole expérimentalRecrutement 10 s 2 s 16 s 2 s 16 s 2 s
Achat Livraison
Rendez-vous 5 (20’)• Permutation des véhicules > véhicule CEESAR• Prise du prochain rendez-vous
Protocole expérimentalRecrutement 10 s 2 s 16 s 2 s 16 s 2 s
Achat Livraison
Rendez-vous 6 (40’)• Permutation des véhicules > véhicule personnel• Questionnaire Time 3• Prise du prochain rendez-vous
Protocole expérimentalRecrutement 10 s 2 s 16 s 2 s 16 s 2 s
Achat Livraison
Rendez-vous 7 (40’)• Permutation des véhicules > véhicule CEESAR• Prise du dernier rendez-vous• Démontage de l’instrumentation
Protocole expérimentalRecrutement 10 s 2 s 16 s 2 s 16 s 2 s
Achat Livraison
Rendez-vous 8 (60’)• Récupération du véhicule CEESAR• Questionnaire Time 4• Débriefing
Logistique
• Hotline
• Scénarios de défaillance pour l’ensemble du système «FOT»
‣ Actions à entreprendre par le CEESAR et/ou le participant
Edwin Land1909-1991
« Don't undertake a project unless it is manifestly important and nearly impossible »
Instrumentation
Requis
• Bas coût
• Quasi invisible
• Fonctionnement autonome
• Données protégées
• Télétransmission des données
• Homologation
Objectifs
BDD géographique
Interdistance
35 véhicules clients«CAN, GPS»
5 véhicules Ceesar«CAN, GPS, Video,
Radar»
Instrumentation légère Instrumentation intégrale
+ +Position des pieds
Suivi de voie
Suivi du regard
Instrumentation
ECU ECU
ECUECUDATALOGGER
Légère
Datalogger
• architecture ARM
• 4 CAN, GPS, RS232, USB, carte SD
• Modem Data GPRS
• OS : Linux
• Applicatif : C / Python
Radar
• TRW / Autocruise AC20
• Gyromètre intégré
• Lentille noire
• Montage mécanique par bridage
Intégration
Instrumentation
ECU ECU
ECUECU
Intégrale
VIDEOLOGGER DATALOGGER
Légère
Videologger
• Embarquable
• Autonome
• Abordable
• Au moins 4 canaux
• Fichiers facilement exploitables
• synchronisation précise à l’image
• Autonome
• Fichiers facilement exploitables
• synchronisation précise à l’image
Videologger
• PC embarquable, 80Go
• Encodeur IP, 4 voies
• Format H.264
• OS : Windows XP
Cameras
• N&B
• CCD SuperHAD Ex-view
• Objectifs interchangables
Cameras
Cameras
Cameras
Cameras
Synchronisation
< 40 ms
Position des piedsSolution LIVIC
Position sur la voieMobileye AWS
Instrumentation
ECU ECU
ECUECU
Intégrale : eyetracker ?
VIDEOLOGGER DATALOGGER
Instrumentation
BDD géographique
Interdistance
35 véhicules clients«CAN, GPS»
5 véhicules Ceesar«CAN, GPS, Video,
Radar»
Instrumentation légère Instrumentation intégrale
+ +Position des pieds
Suivi de voie
Suivi du regard
Intégration(Souvenirs)
Intégration
Gestion de données
1000
Mo / h h / Mois VéhiculesMois
80 12 5
14
25
80
80
13,5
12
35
5
60 80 13,5 40
Objectifs• Robustesse
• Efficacité
• Qualité
• Interactivité
• Généricité & Exhaustivité
• «Scalabilité»
serveur d’applications
flotte
base dedonnées
clusterclient clientclient
Architecture
Tâches
• Télétransmission
• Conversion
• Synchronisation et harmonisation
• Traitement
• Visualisation & annotation
• Stockage
• Analyse
SOAP Interface
Management GUI
Fleet Manager
Upload Processor
Diagnostic Crossbar
Configuration Manager
Télétransmission
CMS CORE
Demo
Conversion ToolSynchronization
Tool
DATA MANAGER
SOAP Interface
Management GUI
Fleet Manager
Upload Processor
Diagnostic Crossbar
Configuration Manager
Conversion & Synchronisation
CMS CORE
Conversion
NAVTEQ
Conversion Tool
Configuration
DBC
Conversion
Fichier Matlab Standard
Synchronisation
Synchronization Tool
Synchronisation
Synchronization Tool
Configuration
Synchronisation
Fichier Matlab Harmonisé
Modèle de données
Modèle de données
• Signaux
• Evénements
• Situations
• Scalaires
Traitement
Signaux Evénements Situations Scalaires
A1 A2
A3
A5 A6
Traitement
Signaux Evénements Situations Scalaires
Données agrégées
Modèle de données
Traitement
StockageTrajets
Situations
Evénements
Signaux
Conducteurs
Véhicules
Descriptiondes signauxDescription
des événements
Descriptiondes événements
Descriptiondes process
AnalyseTrajets
Situations
Evénements
Signaux
Conducteurs
Véhicules
Descriptiondes signauxDescription
des événements
Descriptiondes événements
Descriptiondes process
Processus
Preprocessing
Traitement
Stockage
Analyse
Processus complexe
Modèle de donnéesModèle de donnéesModèle de données
• Nouvelles versions d’algorithmes...
• Nouveaux signaux dérivés...
• Nouveaux types de données agrégées, nouveaux attributs...
➡ Evolution du modèle de données, pendant et après l’expérimentation
Processus complexe
• Création manuelle, validation, invalidation des évènements.
• Edition interactive d’attributs des évènements.
➡ Conflit avec l’évolution des algorithmes de classification ?
Processus complexe
• Plusieurs analystes / codeurs travaillent en même temps.
• Chaque itération peut être très coûteuse en calcul.
Processus complexe assisté ?
• Automatiser les tâches et éliminer tout calcul redondant (dépendance, contrôle de version)
• Donner un cadre strict aux tâches manuelles (évolution du modèle, annotation...), contrôler et automatiser leur impact.
• Prendre en charge l’assurance qualité
Processus complexe assisté
FRAMEWORK
Conversion ToolSynchronization
Tool
SOAP Interface
Management GUI
Fleet Manager
Upload Processor
Diagnostic Crossbar
Configuration Manager
DATA MANAGER
CMS CORE
Conversion ToolSynchronization
Tool
Diagnostic Crossbar
Configuration Manager
DATA MANAGER
CMS CORE
DATA MANAGER
CMS CORE
DATA MODEL
PROCESSING FRAMEWORK
Trip visualization & annotation
Trip Model FrontendUser defined algorithms
SQL Interface
DATA MODEL
PROCESSING FRAMEWORK
Trip Model FrontendUser defined algorithms
Demo
Objectifs• Robustesse
• Efficacité
• Qualité
• Interactivité
• Généricité & Exhaustivité
• «Scalabilité»
• Observation des usages du système de transport. (Globalité: pas seulement safety, pas seulement véhicule)
• Puissance statistique & observation des évènements rares
• Industrialisation des outils et méthodes
• Contrainte au pragmatisme et au réalisme, pour les concepteurs comme pour les chercheurs (Expérimentation sur le terrain de concepts matures)
• Concevoir le système «euroFOT», c’est :
- Mettre en place une flotte de véhicules connectés
- Rapatrier, et traiter en quasi temps réel des données concernant les véhicules, la conduite et l’environnement
- Fusionner ces données à celles émanant d’autres bases (par exemple : données cartographiques)
- Utiliser les indicateurs obtenus comme entrée de modèles de trafic afin d’obtenir des prédictions.
= toutes compétences techniques et conceptuelles nécessaires à la mise en place d’un ITS
• Innovation ~= technologie (expérimentations sur le terrain permettent d’identifier aussi les freins non technologiques)
• Aujourd’hui couteux mais :
- mutualisable
- technologie (presque) gratuite
- voiture connectée = réalité
• Excellent support de comm’ grand public
Diagnostic du système de transport
produit A produit B produit C
Les compétences développées permettent l’évaluation de produits
produit «ITS»
Diagnostic du système de transporttemps réel
Les compétences développées sont également au coeur de produits futurs
Alan Kay1940-
« The best way to predict the future is to invent it »