E.4. Implémentation de notre Test Utilisateurs
E.4.1. Processus de Sélection des Marqueurs et des Itinéraires
Cette partie présente les processus de sélection des marqueurs et des différents itinéraires utilisés dans notre test utilisateurs, à partir du réseau routier détaillé de la carte existante au 1 : 25k.
Comme mentionné précédemment, nous avons initialement choisi de sélectionner les marqueurs comme un sous-ensemble des intersections du réseau routier. Cette idée reprend la logique de suivi d’un itinéraire, où l’on s’interroge principalement sur la direction à suivre à l’approche d’une intersection. Après quelques tests de la tâche en pratique, il nous semble finalement tout aussi pertinent de sélectionner des points de la géométrie (vertex), qu’ils matérialisent une intersection ou non. Cette sélection donne un résultat plus dense qu’avec les intersections, notamment en contexte rural où le réseau routier est assez clairsemé. Nous aurons ainsi la possibilité d’avoir des marqueurs sur un tronçon linéaire sans croisement, ce qui permettra d’une part de rassurer le participant plus fréquemment quant à sa progression le long de l’itinéraire et d’autre part, d’homogénéiser la quantité de points-cibles par itinéraire, pour lisser la complexité entre itinéraires.
Juin 2018 197 Pour sélectionner les marqueurs, nous avons donc appliqué le processus décrit par la Figure 140, à l’aide des outils de géotraitements du logiciel Qgis indiqués. Dans un premier temps, nous avons ainsi récupéré les nœuds du réseau routier. Puis nous avons construit une grille vecteur, en choisissant un pas constant de 400 m. En reportant les coordonnées (x ; y) de chaque case dans un attribut des points qui l’intersectent, nous avons ensuite pu appliquer une sélection aléatoire dans ce sous-ensemble, en conservant 2% des points de chaque case. Ainsi, la densité initiale du réseau routier est respectée dans la densité des marqueurs. Enfin, nous avons corrigé manuellement le résultat de ce processus, lorsque les points obtenus présentaient une ambiguïté potentielle pour la tâche demandée, par leur proximité ou leur position, comme illustré respectivement à gauche et à droite de la dernière image de la Figure 140.
Figure 140. Processus de sélection semi-automatique des marqueurs à partir du réseau routier détaillé de la carte existante au 1 : 25k, à l’aide des outils Qgis mentionnés. Une correction manuelle est réalisée a posteriori, pour supprimer les ambigüités comme les points trop proches (entouré à gauche) ou sur l’axe d’un rond-point (entouré à droite), potentiellement ambigu si l’utilisateur ne pense pas à prendre le rond-point dans le sens giratoire.
La Figure 141 illustre ainsi la densité et la répartition spatiale des 2338 marqueurs sur notre zone d’étude. Tous ces marqueurs seront affichés à chacun des essais du test utilisateurs.
Figure 141. Densité et répartition des marqueurs sur notre zone d’étude, ici représentés par des points rouges sur le réseau routier détaillé non symbolisé, pour les besoins de l’illustration.
198 Marion Dumont Concernant le processus de sélection des itinéraires cette fois, nous avons quatre objectifs à respecter, comme mentionné précédemment:
leur complexité doit être le plus possible équivalente, pour ne pas biaiser les résultats ; leur complexité doit correspondre à un essai réalisable en 1min-1min30 pour respecter la
durée globale du test et éviter un effet de fatigue ;
leur tracé doit être en grande partie composé d’axes présents dans la carte simplifiée au 1 : 100k, pour que la tâche soit réalisable, donc d’axes routiers majeurs ;
leurs tracés doivent comporter un minimum de parties communes, pour éviter les effets d’apprentissage.
Nous devons donc dans un premier temps identifier les facteurs expliquant une différence de complexité entre deux itinéraires, comme illustrés par la Figure 142. Selon nous, il faut ici prendre en compte les facteurs suivants :
la longueur et la sinuosité de sa géométrie ;
le nombre de changements de directions de son tracé ;
sa connectivité au réseau, c’est-à-dire le nombre de routes qui le croisent ;
la densité locale du réseau routier et du bâti autour de l’itinéraire, qui augmente la
complexité visuelle du fond cartographie avoisinant ;
son emprise géographique globale, qui implique plus ou moins de déplacements dans la carte ;
la quantité et la position des points-cibles qui le composent, qui représentent une perte de temps (identification et sélection) mais qui aident l’utilisateur à suivre l’itinéraire en jalonnant son effort.
Figure 142. Différence de complexité entre deux itinéraires, qui peut ici s’expliquer par les différences de contexte géographique, le nombre de changements de directions et la sinuosité de leur tracé.
Etant donnée la zone géographique limitée sur laquelle nous travaillons, il n’est pas possible de créer 20 itinéraires ayant strictement les mêmes caractéristiques pour chacun de ces facteurs, tout en minimisant les parties communes. Nous avons donc choisi de façon empirique de compenser une caractéristique différente par une autre. Par exemple, un tracé en zone moins dense sera compensé par une longueur et une sinuosité plus importante. Pour valider ce processus, nous avons mené des pré-tests sur une même pyramide, pour calibrer la complexité visée pour un essai d’1min-1min30 et pour détecter des différences de complexité importantes entre itinéraires. Cependant, le faible nombre de participants à ce pré-test ne nous permet pas de garantir une complexité constante. Parmi les 20 itinéraires testés, nous avons donc écarté les 5 pour lesquels nous avions le plus de doute, en les réservant pour la phase d’entrainement.
Juin 2018 199 En pratique, les itinéraires ont été produits à partir du réseau routier détaillé de la carte existante au 1 : 25k, à l’aide de l’extension pgrouting1 de Postgis, qui permet de calculer des itinéraires entre deux points à partir d’un jeu de données de réseau. Dans notre cas en particulier, nous n’obtenons pas de plus courts chemins, car nous avons utilisé une pondération pour que les tronçons importants pour le réseau (connectivité, nature) et visuellement saillants (couleur, longueur du stroke) soient utilisés en priorité. Ces facteurs étant pris en compte dans l’algorithme de généralisation du réseau routier, cela nous assure d’avoir une majeure partie de l’itinéraire encore présente sur nos représentations simplifiées. Puis, nous avons manuellement adapté ce résultat automatique, pour obtenir une complexité similaire entre les itinéraires et supprimer les ambiguïtés potentielles. La Figure 143 représente finalement la complexité et la répartition spatiale des 20 itinéraires utilisés dans notre test utilisateurs.
Figure 143. Complexité, répartition spatiale et géométrie des itinéraires sur notre zone d’étude, ici représentés par des tronçons colorés sur le réseau routier détaillé non symbolisé, pour les besoins de l’illustration. Les itinéraires rouges sont les itinéraires de la phase d’entrainement et ont une complexité relativement variable.