Des personnalit´es virtuelles pour les conducteurs

Wright et al. [Wright et al., 2002] se sont int´eress´es `a l’introduction de personnalit´es virtuelles pour les conducteurs simul´es, afin d’am´eliorer l’immersion des conducteurs r´eels en simulation de conduite. `A la diff´erence de notre objectif, ils ne s’int´eressent cependant pas `a la facilit´e de sc´enarisation ou `a la transposition dans des contextes culturels vari´es. L’approche est appliqu´ee `

a la mod´elisation du choix de la vitesse des v´ehicules, mais pourrait selon eux ˆetre ´etendue facilement `a d’autres sous-mod`eles de la tˆache de conduite, comme les changements de voie ou le suivi de v´ehicule.

Le mod`ele propos´e est construit en quatre ´etape successives, permettant de cr´eer des v´ehicules autonomes ayant des caract´eristiques comportementales diverses, associ´ees `a des personnalit´es virtuelles. La premi`ere ´etape s´electionne une distribution de probabilit´e offrant une approxima- tion raisonnable des choix de vitesse rencontr´es dans la r´ealit´e. Les auteurs se basent sur des donn´ees provenant de la litt´erature, ce qui aboutit `a l’utilisation d’une distribution normale. Cette distribution est combin´ee `a une fonction introduisant de la variabilit´e : la variance de la distribution est fonction de la vitesse moyenne, ce qui ´elargit la courbe aux basses vitesses.

La seconde ´etape permet de prendre en compte les ´el´ements contextuels comme les limites de vitesse, la courbure de la route et la distance `a l’intersection, ´el´ements qui influencent le choix de la vitesse.

La troisi`eme ´etape int`egre les param`etres caract´erisant la personnalit´e virtuelle des conduc- teurs, `a partir de donn´ees extrapol´ees depuis des observations exp´erimentales. Cinq param`etres comportementaux sont pris en compte : le sexe, l’ˆage, l’agressivit´e, l’intoxication par l’alcool et la fatigue. Ils sont utilis´es comme des correcteurs sur la distribution normale d´efinie `a la premi`ere ´etape. Par exemple, les hommes ont tendance `a conduire plus vite que la moyenne, ce qui se traduit par l’utilisation d’un correcteur sur la moyenne de la distribution normale d’un conduc- teur masculin : µ = 1.072 µ. Notons que les diff´erents param`etres peuvent se compenser : apr`es l’application des correcteurs, un homme prudent et une femme agressive utiliseront peut-ˆetre des param`etres similaires.

Enfin la derni`ere ´etape g´en`ere la valeur utilis´ee par le conducteur, `a partir de la distribution normale construite dans les ´etapes pr´ec´edentes. Afin de conserver une certaine homog´en´eit´e dans le choix de la vitesse, le nouveau choix tir´e al´eatoirement est combin´e aux vitesses des pas de temps pr´ec´edents (Fig. 1.15).

Le mod`ele propos´e est appliqu´e sur le simulateur de conduite de l’Universit´e de Leeds. Il permet de g´en´erer des valeurs diff´erentes suivant les profils conducteurs choisis, et r´epond donc `

a l’objectif d’introduire de la variabilit´e et des personnalit´es virtuelles dans la simulation. Une exp´erimentation est par ailleurs men´ee afin d’´evaluer si les utilisateurs du simulateur per¸coivent les diff´erences de personnalit´e. Des utilisateurs sont ainsi invit´es `a observer le d´eroulement de la simulation, sans ˆetre en situation de conduite. Il sont capables de distinguer des comportements diff´erents, mais les qualificatifs utilis´es ne correspondent pas aux param`etres introduits. Les observateurs reconnaissent en fait uniquement trois types de comportement : prudent, normal et

Figure<sub>1.15 – Les distributions utilis´ees dans le mod`ele de choix de la vitesse, introduisant des</sub> caract´eristiques comportementales et de la variabilit´e (d’apr`es [Wright et al., 2002]).

agressif. En situation de conduite, le nouveau trafic est par ailleurs qualifi´e de « plus r´ealiste » par les conducteurs.

L’approche propos´ee permet donc d’introduire avec succ`es des personnalit´es virtuelles pour les conducteurs, ce qui am´eliore le r´ealisme per¸cu par les observateurs de la simulation. Cepen- dant, la technique utilis´ee pr´esente plusieurs limites. Tout d’abord, elle n´ecessite de remettre en cause l’int´egralit´e du mod`ele de trafic existant, car chaque sous-mod`ele de la tˆache de conduite doit ˆetre modifi´e. Cela suppose d’avoir un contrˆole total sur le code source de l’outil, ainsi que de maˆıtriser les risques de r´egression logicielle. Par ailleurs, l’approche est sp´ecifique `a l’appli- cation cibl´ee, et ne peut ˆetre transpos´ee dans d’autres contextes. Enfin, elle n’est pas flexible : toute modification du param´etrage doit passer par une modification du mod`ele, ce qui ne permet pas de prendre en compte des contextes de trafic vari´es. Par exemple, des utilisateurs italiens devraient reprendre l’approche dans sa totalit´e pour b´en´eficier d’apports similaires.

1.4

Conclusion

Dans ce premier chapitre, nous nous sommes int´eress´es au contexte de notre ´etude. Nous avons tout d’abord pr´esent´e le domaine de notre application principale, la simulation de trafic dans les simulateurs de conduite. Si la simulation de trafic est abord´ee dans des domaines vari´es, comme l’ing´enierie du trafic ou la psychologie de la conduite, le cadre de la simulation de conduite entraˆıne des contraintes sp´ecifiques. Il est en effet n´ecessaire de prendre en compte les aspects li´es `a la sc´enarisation et au r´ealisme comportemental des v´ehicules. Nous avons ´egalement pr´esent´e le fonctionnement g´en´eral d’un simulateur de trafic appliqu´e aux simulateurs de conduite, de la repr´esentation de l’environnement aux caract´eristiques conducteur prises en compte. Plusieurs outils existants ont ´et´e d´ecrits ; dans le Chapitre 4, nous reviendrons sur la suite logicielle d´evelopp´ee par Renault, scaner—.

scan_{er— ´etant con¸cu suivant une architecture multi-agents, nous avons ensuite pr´esent´e les} sp´ecificit´e de ce domaine et de l’approche centr´ee individus. Les caract´eristiques de ces sys-

t`emes, ainsi que leurs domaines d’application ont ´et´e rappel´es, ainsi que les principaux ´el´ements les constituant : les agents, l’environnement, les interactions et l’organisation. L’int´erˆet de la simulation centr´ee individus a ´egalement ´et´e rappel´e, en particulier ses capacit´es explicatives et sa flexibilit´e. Deux exemples d’application sont pr´esent´es plus en d´etails : l’utilisation de comportements r´eactifs pour l’animation d’agents, et la simulation de foules.

Enfin, la derni`ere partie de ce chapitre d´ecrit diff´erents travaux connexes `a notre approche. La g´en´eration de comportements vari´es et coh´erents a en effet ´et´e abord´ee suivant plusieurs axes : gestion automatis´ee de configurations syst`emes, g´en´eration automatis´ee du param´etrage de mod`ele complexes, introduction de vari´et´e dans les simulations de foules, ou encore utilisa- tion de personnalit´es virtuelles pour augmenter le r´ealisme du trafic en simulation de conduite. Cependant, ces diff´erentes approches ne permettent pas de r´epondre `a notre besoin. Suivant les cas elles sont tr`es sp´ecifiques `a leurs domaine, ou n’offrent pas les facilit´es de configuration que nous recherchons. Aucune ne prend en compte simultan´ement les questions de vari´et´e et de coh´erence, tout en offrant la flexibilit´e recherch´ee.

normes. Cette utilisation permet de d´efinir `a la fois les comportements de r´ef´erence et les ´ecarts tol´er´es par rapport `a eux, la conformit´e ´etant contrˆol´ee `a travers la notion de violation. Enfin, nous d´ecrivons les algorithmes utilis´es pour la cr´eation et le contrˆole de ces comportements, et montrons comment ils nous permettent de r´epondre aux besoins en obtenant `a la fois vari´et´e et coh´erence.

2.1

Les approches normatives

Cette premi`ere partie introduit les notions de norme et d’approche normative. Dans un premier temps, nous nous pla¸cons dans une perspective historique, en d´ecrivant l’origine de ces concepts ainsi que l’utilisation qui en est faite dans diff´erents domaines. Ensuite, nous pr´esentons pourquoi et comment ils ont ´et´e transpos´es naturellement dans le contexte des syst`emes multi- agents. Nous terminons enfin en illustrant cette d´emarche par des cas d’application concrets.