Les récentes percées technologiques dans les domaines de l’actionnement, de la perception et de l’intelligence artificielle annoncent une nouvelle ère pour l’assistance à la conduite et les véhicules hautement automatisés. Toutefois, dans un contexte où l’automatisation demeure imparfaite, il est primordial de s’assurer que le système d’automatisation de la conduite puisse maintenir la conscience de la situation du conducteur afin que ce dernier puisse accomplir avec succès son rôle de supervision des actions du système. En même temps, le système doit pouvoir assurer la sécurité du véhicule et prévenir les actions du conducteur qui risqueraient de compromettre sa sécurité et celle des usagers de la route. Il est donc nécessaire d’intégrer dès la conception du système automatisé de conduite, la problématique des interactions avec le conducteur en réglant les problèmes de partage de tâche et de degré de liberté, d’autorité et de niveau d’automatisation du système. S’inscrivant dans le cadre du projet ANR-CoCoVeA (Coopération Conducteur-Véhicule Automatisé), cette thèse se penche de plus près sur la question de la coopération entre l’automate de conduite et le conducteur. Notre objectif est de fournir au conducteur un niveau d’assistance conforme à ses attentes, capable de prendre en compte ses intentions tout en assurant un niveau de sécurité important. Pour cela nous proposons un cadre général qui intègre l’ensemble des fonctionnalités nécessaires sous la forme d’une architecture permettant une coopération à plusieurs niveaux de la tâche de conduite. Les notions d’attribution des tâches et de gestion d’autorité avec leurs différentes nuances sont abordées et l’ensemble des fonctions du système identifiées dans l’architecture ont été étudiées et adaptées pour ce besoin de coopération. Ainsi, nous avons développé des algorithmes de décision de la manœuvre à effectuer, de planification de trajectoire et de contrôle qui intègrent des mécanismes leur permettant de s’adapter aux actions et aux intentions du conducteur lors d’un éventuel conflit. En complément de l’aspect technique, cette thèse étudie les notions de coopération sous l’angle des facteurs humains en intégrant des tests utilisateur réalisés sur le simulateur de conduite dynamique SHERPA-LAMIH. Ces tests ont permis à la fois de valider les développements réalisés et d’approfondir l’étude grâce à l’éclairage qu’ils ont apporté sur l’intérêt de chaque forme de coopération. / The recent technological breakthroughs in the actuation, perception and artificial intelligence domains herald a new dawn for driving assistance and highly automated driving. However, in a context where the automation remains imperfect and prone to error, it is crucial to ensure that the automated driving system maintains the driver’s situation awareness in order to be able to successfully and continuously supervise the system’s actions. At the same time, the system must be able to ensure the safety of the vehicle and prevent the driver’s actions that would compromise his safety and that of other road users. Therefore, it is essential that the issue of interaction and cooperation with the driver is addressed throughout the whole system design process. This entails the issues of task allocation, authority management and levels of automation. Conducted in the scope of the projet ANR-CoCoVeA (French acronym for: "Cooperation between Driver and Automated Vehicle"), this thesis takes a closer look at the question of cooperation between the driver and automated driving systems. Our main objective is to provide the driver with a suitable assistance level that accounts for his intentions while ensuring global safety. For this matter, we propose a general framework that incorporates the necessary features for a successful cooperation at the different levels of the driving task in the form of a system architecture. The questions of task allocation and authority management are addressed under their different nuances and the identified system functionalities are studied and adapted to match the cooperation requirements. Therefore, we have developed algorithms to perform maneuver decision making, trajectory planning, and control that include the necessary mechanisms to adapt to the driver’s actions and intentions in the case of potential conflicts. In addition to the technical aspects, this thesis studies the cooperation notions from the human factor perspective. User test studies conducted on the SHERPA-LAMIH dynamic simulator allowed for the validation of the different developments while shedding light on the benefits of different cooperation forms.

Face à l’évolution rapide des technologies nécessaires à l’automatisation de la conduite au cours de ces dernières années, les grands constructeurs automobiles promettent la commercialisation de véhicules autonomes à l’horizon 2020. Cependant, la définition des interactions entre les systèmes de conduite automatisée et le conducteur au cours de la tâche de conduite reste une question ouverte. L'objectif de cette thèse est de concevoir, développer et évaluer des principes de coopération entre le conducteur et les systèmes de conduite automatisée. Compte tenu de la complexité d'un tel Système Homme-Machine, la thèse propose, en premier lieu une architecture de contrôle coopératif hiérarchique et deux principes de coopération généraux sur deux niveaux dans l’architecture qui serviront ensuite de base commune pour la conception des systèmes coopératifs développés pour les cas d’usages définis. Afin d’assurer une coopération efficace avec le conducteur dans un environnement de conduite dynamique, le véhicule autonome a besoin de comprendre la situation et de partager sa compréhension de la situation avec le conducteur. Pour cela, cette thèse propose un formalisme de représentation de la scène de conduite basé sur le repère de Frenet. Ensuite, une méthode de prédiction de trajectoire est également proposée. Sur la base de la détection de manœuvre et de l'estimation du jerk, cette méthode permet d’améliorer la précision de la trajectoire prédite comparée à celle déterminée par la méthode basée sur une hypothèse d'accélération constante. Dans la partie d’études de cas, deux principes de coopération sont mis en œuvre dans deux cas d’usage. Dans le premier cas de la gestion d’insertion sur autoroute, un système de contrôle longitudinal coopératif est conçu. Il comporte une fonction de planification de manœuvre et de génération de trajectoire basée sur la commande prédictive. En fonction du principe de coopération, ce système peut à la fois gérer automatiquement l’insertion d’un véhicule et donner la possibilité au conducteur de changer la décision du système. Dans le second cas d'usage qui concerne le contrôle de trajectoire et le changement de voie sur autoroute, le problème de partage du contrôle est formulé comme un problème d’optimisation sous contraintes qui est résolu en ligne en utilisant l’approche de la commande prédictive (MPC). Cette approche assure le transfert continu de l’autorité du contrôle entre le système et le conducteur en adaptant les pondérations dans la fonction de coût et en mettant en œuvre des contraintes dynamiques en ligne dans le modèle prédictif, tout en informant le conducteur des dangers potentiels grâce au retour haptique sur le volant. Les deux systèmes sont évalués à l’aide de tests utilisateur sur simulateur de conduite. En fonction des résultats des tests, cette thèse discute la question des facteurs humains et la perception de l'utilisateur sur les principes de coopération. / Given rapid advancement of automated driving (AD) technologies in recent years, major car makers promise the commercialization of AD vehicles within one decade from now. However, how the automation should interact with human drivers remains an open question. The objective of this thesis is to design, develop and evaluate interaction principles for AD systems that can cooperate with a human driver. Considering the complexity of such a human-machine system, this thesis begins with proposing two general cooperation principles and a hierarchical cooperative control architecture to lay a common basis for interaction and system design in the defined use cases. Since the proposed principles address a dynamic driving environment involving manually driven vehicles, the AD vehicle needs to understand it and to share its situational awareness with the driver for efficient cooperation. This thesis first proposes a representation formalism of the driving scene in the Frenet frame to facilitate the creation of the spatial awareness of the AD system. An adaptive vehicle longitudinal trajectory prediction method is also presented. Based on maneuver detection and jerk estimation, this method yields better prediction accuracy than the method based on constant acceleration assumption. As case studies, this thesis implements two cooperation principles for two use cases respectively. In the first use case of highway merging management, this thesis proposes a cooperative longitudinal control framework featuring an ad-hoc maneuver planning function and a model predictive control (MPC) based trajectory generation for transient maneuvers. This framework can automatically handle a merging vehicle, and at the mean time it offers the driver a possibility to change the intention of the system. In another use case concerning highway lane positioning and lane changing, a shared steering control problem is formulated in MPC framework. By adapting the weight on the stage cost and implementing dynamic constraints online, the MPC ensures seamless control transfer between the system and the driver while conveying potential hazards through haptic feedback. Both of the designed systems are evaluated through user tests on driving simulator. Finally, human factors issue and user’s perception on these new interaction paradigms are discussed.

New automated vehicles have the chance of high improvements to road safety. Nevertheless, from today's perspective, accidents will always be a part of future mobility. Following the “Vision Zero”, this thesis proposes the quantification of the driving situation's criticality as the basis to intervene by newly integrated safety systems. In the example application of trajectory planning, a continuous, real-time, risk-based criticality measure is used to consider uncertainties by collision probabilities as well as technical accident severities. As result, a smooth transition between preventative driving, collision avoidance, and collision mitigation including impact point localization is enabled and shown in fleet data analyses, simulations, and real test drives. The feasibility in automated driving is shown with currently available test equipment on the testing ground. Systematic analyses show an improvement of 20-30 % technical accident severity with respect to the underlying scenarios. That means up to one-third less injury probability for the vehicle occupants. In conclusion, predicting the risk preventively has a high chance to increase the road safety and thus to take the “Vision Zero” one step further.:Abstract Acknowledgements Contents Nomenclature 1.1 Background 1.2 Problem statement and research question 1.3 Contribution 2 Fundamentals and relatedWork 2.1 Integral safety 2.1.1 Integral applications 2.1.2 Accident Severity 2.1.2.1 Severity measures 2.1.2.2 Severity data bases 2.1.2.3 Severity estimation 2.1.3 Risk assessment in the driving process 2.1.3.1 Uncertainty consideration 2.1.3.2 Risk as a measure 2.1.3.3 Criticality measures in automated driving functions 2.2 Operational motion planning 2.2.1 Performance of a driving function 2.2.1.1 Terms related to scenarios 2.2.1.2 Evaluation and approval of an automated driving function 2.2.2 Driving function architecture 2.2.2.1 Architecture 2.2.2.2 Planner 2.2.2.3 Reference planner 2.2.3 Ethical issues 3 Risk assessment 3.1 Environment model 3.2 Risk as expected value 3.3 Collision probability and most probable collision configuration 4 Accident severity prediction 4.1 Mathematical preliminaries 4.1.1 Methodical approach 4.1.2 Output definition for pedestrian collisions 4.1.3 Output definition for vehicle collisions 4.2 Prediction models 4.2.1 Eccentric impact model 4.2.2 Centric impact model 4.2.3 Multi-body system 4.2.4 Feedforward neural network 4.2.5 Random forest regression 4.3 Parameterisation 4.3.1 Reference database 4.3.2 Training strategy 4.3.3 Model evaluation 5 Risk based motion planning 5.1 Ego vehicle dynamic 5.2 Reward function 5.3 Tuning of the driving function 5.3.1 Tuning strategy 5.3.2 Tuning scenarios 5.3.3 Tuning results 6 Evaluation of the risk based driving function 6.1 Evaluation strategy 6.2 Evaluation scenarios 6.3 Test setup and simulation environment 6.4 Subsequent risk assessment of fleet data 6.4.1 GIDAS accident database 6.4.2 Fleet data Hamburg 6.5 Uncertainty-adaptive driving 6.6 Mitigation application 6.6.1 Real test drives on proving ground 6.6.2 Driving performance in simulation 7 Conclusion and Prospects References List of Tables List of Figures A Extension to the tuning process

This contributed book contains the short papers presented at the 1st International Conference on Hybrid Societies 2023. Organized by the DFG-funded Collaborative Research Centre 'Hybrid Societies' at Chemnitz University of Technology.:Flourishing from, for, and with Social Machines: Considering the Eudaimonics of Hybrid Societies - Banks J. How do vehicle size, speed, TTC, age and sex affect cyclists’ gap acceptance when interacting with (automated) vehicles? - Springer-Teumer S., Trommler D., Krems J.F. Assessing Driver Uncertainty Respecting Response Actions in Lane Change Maneuvers - Yan F., Eilers M., Baumann M. Using Functionally Anthropomorphic Eyes to Indicate Robotic Motion - Schweidler P. & Onnasch L. Living Labs as Third Spaces: Low-threshold participation, empowering hospitality, and the social infrastructures of continuous presence - Pentzold C., Rothe I., Bischof A. Artificial Morality - Armbruster D., Mandl S., Strobel A. Reducing Prejudice via Virtual Reality: A Meta-Analysis of Experimental Evidence - Stein J.-P., Gnambs T., Appel M. Policy Learning with Spiking Neural Network for Robot Manipulation Tasks - Abdelaal O. M. & Röhrbein F. / Dieser Konferenzband enthält die Kurzbeiträge, die auf der 1st International Conference on Hybrid Societies 2023 vorgestellt wurden. Veranstaltet vom DFG-geförderten Sonderforschungsbereich 'Hybrid Societies' der Technischen Universität Chemnitz.:Flourishing from, for, and with Social Machines: Considering the Eudaimonics of Hybrid Societies - Banks J. How do vehicle size, speed, TTC, age and sex affect cyclists’ gap acceptance when interacting with (automated) vehicles? - Springer-Teumer S., Trommler D., Krems J.F. Assessing Driver Uncertainty Respecting Response Actions in Lane Change Maneuvers - Yan F., Eilers M., Baumann M. Using Functionally Anthropomorphic Eyes to Indicate Robotic Motion - Schweidler P. & Onnasch L. Living Labs as Third Spaces: Low-threshold participation, empowering hospitality, and the social infrastructures of continuous presence - Pentzold C., Rothe I., Bischof A. Artificial Morality - Armbruster D., Mandl S., Strobel A. Reducing Prejudice via Virtual Reality: A Meta-Analysis of Experimental Evidence - Stein J.-P., Gnambs T., Appel M. Policy Learning with Spiking Neural Network for Robot Manipulation Tasks - Abdelaal O. M. & Röhrbein F.