Performances et synthèse

Ranjitkar et al (Ranjitkar et al., 2005) ont réalisé une expérimentation afin de comparer les performances de certains des modèles cités précédemment (mo-dèles Chandler, GGM, Gipps, Krauss, Vitesse Optimale, Newell, Automate Cellulaire et Leutzbach). Les essais furent réalisés sur piste, constituée de deux lignes droites de 1200 m et de deux demi cercles de 150 m de long. Dix sujets participèrent à cette campagne de mesures. Les données n’étaient exploitées que sur ces deux lignes droites. Plusieurs profils de vitesse ont été testés (aléatoires, sinusoïdes de différentes fréquences, etc.). La vitesse moyenne était environ de 60 km/h. Les performances des modèles furent calculées sur leurs erreurs de pré-diction d’inter-distance, de vitesse et d’accélération. Les auteurs observent alors que les modèles de Chandler et GGM présentèrent les meilleures performances en terme d’estimation de vitesse et d’accélération. Les meilleures estimations de distance inter-véhiculaire furent obtenues par le modèle de type automate cellulaire. Notons au passage que pour l’estimation des inter-distances, il fallut calculer cette grandeur qui n’était pas directement accessible, ce qui n’était pas le cas pour l’estimation des vitesses. Toutefois selon les conducteurs, les per-formances des modèles ne présentaient pas les mêmes tendances. En effet, le modèle de Leutzbach a fourni, pour un des sujets, les meilleures performances à la vue des autres modèles alors que ce ne fût pas le cas pour les autres conduc-teurs.

Panwai et al (Panwai et Dia, 2004) ont développé un modèle de conduc-teur basé sur une structure d’agent réactif. Ces agents ont pour objectif de caractériser, de modéliser le lien entre la perception et l’action. Panwai a alors recours à des réseaux de neurones afin de mettre en œuvre ces agents. Le choix des réseaux de neurones s’explique par leur capacité à traiter des dynamiques non linéaires ainsi que le bruit présent sur ses entrées. Le modèle a été testé sur des données "route". Elles ont été collectées par le Robert Bosch GmbH Research Group sur une route allemande. Les performances du modèle furent alors comparées à celles obtenues par le modèle Gipps. En regard des critères de performance considérés (RMS sur la distance en particulier), le modèle type agent réactif s’est montré supérieur en terme de qualité de prédiction. Toutefois l’auteur rappelle que ce type de modèle nécessite des jeux de données relati-vement conséquents afin de calibrer le réseau de neurones. Par ailleurs aucune information n’est délivrée sur l’interprétation possible de la structure de ce

ré-seau. Cette approche est en effet orientée "simulation de trafic" et recherche à imiter le comportement de l’ensemble des véhicules sur la route et non pas à décrire les comportements individuels.

Lee et Peng (Lee et Peng, 2004) analysent les modèles classiques de suivi de véhicule (modèles Chandler, GGM, Gipps, Linéaire, Vitesse Optimale, et modèle Newell). Ces modèles furent testés sur des données réelles issues des bases de données SAVME et ICC FOT. Il s’agit d’enregistrements réalisés aux Etats-Unis en zone urbaine et sur autoroutes. Leur méthode consista en l’ex-traction de paires de véhicules (suiveur et suivi) et d’identifier pour le véhicule suiveur, les paramètres de chaque modèle. Une fois cette optimisation réalisée, l’évaluation des performances des modèles fut calculée à partir de la corrélation entre le profil de vitesse du véhicule suiveur et celui prédit par ces modèles. Il ressortit de cette étude qu’en situation où le véhicule suivi ralentissait, les différents modèles présentaient des performances similaires. Toutefois pour des situations où l’attention du conducteur est moins sollicitée, le modèle de Gipps présentait une certaine robustesse, ce qui fit défaut aux autres modèles.

Pour conclure sur les modèles de conducteur dédiés au suivi de véhicule, nous illustrerons certains aspects de notre propos par des résultats obtenus suite à une expérimentation sur le simulateur dynamique de conduite CARDS2. Dans cette expérimentation, la tâche demandée aux sujets (trente) était de suivre un véhicule lièvre en se maintenant à une distance de sécurité telle que le temps inter-véhiculaire soit de l’ordre de 2s. Le véhicule lièvre alternait les périodes de conduite à vitesse constante, les accélérations et décélérations inopinées. Par ailleurs les sujets testèrent plusieurs conditions de conduite dont en particulier la conduite avec et sans régulateur de vitesse. Plusieurs des modèles présentés ci-dessus ont été calibrés et des jeux de paramètres ont alors été extraits pour chaque modèle et pour chaque sujet. Si nos résultats sur les performances des modèles sont similaires à ceux obtenus dans d’autres études (Ranjitkar et al., 2005, Lee et Peng, 2004), ils nous apportent par ailleurs certaines informations relatives à leur utilisation. L’intérêt d’un modèle ne réside pas dans la calibra-tion de ses paramètres mais dans leur significacalibra-tion. Ainsi le modèle de Chandler (Chandler et al., 1958) présente des paramètres dont l’interprétation est aisée. Comparativement, le modèle General Motors Généralisé (Gazis et al., 1959) est quant à lui beaucoup plus complexe, en particulier quelles significations donner à ses paramètres élevant ses termes à des puissances diverses ?

Nous remarquons d’emblée que pour ces modèles l’estimation des différents paramètres intervenant dans le calcul de la commande à appliquer au véhicule est idéale : pas de biais ni de bruit. Il en est de même pour la réalisation des

com-2.3. LE CONTRÔLE LONGITUDINAL DU VÉHICULE 19

Figure 2.4 – Ce graphique représente l’enveloppe des profils de vitesse des conducteurs (zone violette), des modèles de Chandler calibré pour chacun d’eux (zone jaune) ainsi que le profil de consigne en vert. En régime permanent, les différents jeux de paramètres du modèle fournissent le même résultat. Les diffé-rences inter-sujets sont importantes et le caractère peu excitant de la consigne à suivre révèlent d’autant plus ces disparités (par rapports aux phases de freinage ou d’accélération).

mandes alors élaborées. Les bruits sensorimoteurs et les erreurs qu’ils induisent participent à la variabilité intra-conducteur, leur négligence apporte alors une répétabilité non naturelle. Enfin un phénomène de dérive apparait lors de phase de conduites peu stimulatrices comme le suivi de véhicule à vitesse constante (voir figure 2.5). La totalité des modèles étudiés convergent rapidement vers un régime permanent alors que la vitesse des conducteurs fluctue sans cesse lors de nos observations sur simulateur (voir figure 2.4). Toutefois, il ne faut pas écarter l’hypothèse selon laquelle l’amplitude de ce phénomène peut être réduite ou amplifiée lors d’une conduite réelle. La calibration des paramètres des modèles lors de ces phases pauvres en informations est alors peu pertinente, tout comme l’interprétation qui peut en être faite. De ce fait, il est envisageable pour caractériser un conducteur de disposer n’ont pas d’un mais de plusieurs jeux de paramètres cohérents avec les différentes situations de conduite (frei-nage d’urgence, roulage à vitesse constante, ...). La commutation automatique entre ces jeux de paramètres signifierait une approche plus haut niveau ne

Figure2.5 – Exemple du profil de vitesse observé pour un sujet (courbe verte) et profil prédit par un modèle de suivi calibré (courbe rouge). Le profil de vitesse du véhicule suivi est décrit par la courbe bleue. Lors de la phase de conduite à vitesse constante, le modèle converge vers la consigne alors que le profil de vitesse du sujet présente des fluctuations de l’ordre de 5% autour de la vitesse de consigne. Il ressort clairement que le comportement du modèle, calibré sur l’ensemble de la phase de conduite (400s) présente une incohérence avec celui du sujet.

se limitant pas seulement aux aspects pilotage de la conduite mais intégrant des capacités décisionnelles (niveau maœuvre). Certains auteurs comme Kuge (Kuge et al., 2000) proposent une approche basée sur des Modèles de Markov Cachés capables de commuter selon les circonstances sur des modèles adéquats. Nous notons par ailleurs que les différents modèles cités pour le suivi de véhi-cule intègrent seulement un temps de réaction global (perception - traitement - action) des conducteurs sans faire intervenir leurs capacités d’anticipation. Le modèle de Leutzbach (Leutzbach et Wiedemann, 1986) déroge en quelque sorte à cette règle car sa stratégie se base entre autre sur la connaissance et l’utilisation de niveaux de freinages maximaux. Il est donc rare que les mo-dèles possèdent une représentation interne de la dynamique du véhicule piloté, comme si le maintien de la vitesse ou de la distance inter-véhicule était

exclu-2.4. LE CONTRÔLE LATÉRAL DU VÉHICULE 21