According to the community database on accidents on the roads in Europe, 2035 cyclist fatalities happened in Europe in 2019 [S]. In Sweden, 10440 bicycle crashes were reported in the Swedish Traffic Accident Data Acquisition database during 2019, and 30% of the cyclist fatalities were in car-to-cyclist rear-end crashes [6]. Nowadays, new micromobility vehicles (MMVs), for example, e-scooters, and Segways, are becoming more popular. Unlike traditional bicycles, these new MMVs usually have novel designs in appearance, kinematics, operation method, and power source (e.g., electricity-driven/assisted), which bring new hazards to traditional road users [1, 4]. Thus, it is essential to understand and quantify the behavior of the new MMV users to improve road safety.

Cette thèse, réalisée en coopération avec l'Institut Pascal et Renault, s'inscrit dans le domaine des applications d'aide à la conduite, la plupart de ces systèmes visant à améliorer la sécurité des passagers du véhicule. La fusion de différents capteurs permet de rendre plus fiable la prise de décision. L'objectif des travaux de cette thèse a été de développer un système de fusion entre un radar et une caméra intelligente pour la détection des obstacles frontaux au véhicule. Nous avons proposé une architecture modulaire de fusion temps réel utilisant des données asynchrones provenant des capteurs sans a priori applicatif. Notre système de fusion de capteurs est basé sur des méthodes de suivi de plusieurs cibles. Des méthodes probabilistes de suivi de cibles ont été envisagées et une méthode particulière, basée sur la modélisation des obstacles par un ensemble fini de variables aléatoires a été choisie et testée en temps réel. Cette méthode, appelée CPHD (Cardinalized Probability Hypothesis Density) permet de gérer les différents défauts des capteurs (non détections, fausses alarmes, imprécision de positions et de vitesses mesurées) et les incertitudes liées à l’environnement (nombre inconnu d'obstacles à détecter). Ce système a été amélioré par la gestion de différents types d'obstacles : piéton, voiture, camion, vélo. Nous avons proposé aussi une méthode permettant de résoudre le problème des occultations avec une caméra de manière explicite par une méthode probabiliste en prenant en compte les imprécisions de ce capteur. L'utilisation de capteurs intelligents a introduit un problème de corrélation des mesures (dues à un prétraitement des données) que nous avons réussi à gérer grâce à une analyse de l'estimation des performances de détection de ces capteurs. Afin de compléter ce système de fusion, nous avons mis en place un outil permettant de déterminer rapidement les paramètres de fusion à utiliser pour les différents capteurs. Notre système a été testé en situation réelle lors de nombreuses expérimentations. Nous avons ainsi validé chacune des contributions de manière qualitative et quantitative. / This PhD work, carried out in collaboration with Institut Pascal and Renault, is in the field of the Advanced Driving Assisted Systems, most of these systems aiming to improve passenger security. Sensors fusion makes the system decision more reliable. The goal of this PhD work was to develop a fusion system between a radar and a smart camera, improving obstacles detection in front of the vehicle. Our approach proposes a real-time flexible fusion architecture system using asynchronous data from the sensors without any prior knowledge about the application. Our fusion system is based on a multi targets tracking method. Probabilistic multi target tracking was considered, and one based on random finite sets (modelling targets) was selected and tested in real-time computation. The filter, named CPHD (Cardinalized Probability Hypothesis Density), succeed in taking into account and correcting all sensor defaults (non detections, false alarms and imprecision on position and speed estimated by sensors) and uncertainty about the environment (unknown number of targets). This system was improved by introducing the management of the type of the target: pedestrian, car, truck and bicycle. A new system was proposed, solving explicitly camera occlusions issues by a probabilistic method taking into account this sensor imprecision. Smart sensors use induces data correlation (due to pre-processed data). This issue was solved by correcting the estimation of sensor detection performance. A new tool was set up to complete fusion system: it allows the estimation of all sensors parameters used by fusion filter. Our system was tested in real situations with several experimentations. Every contribution was qualitatively and quantitatively validated.

La conduite automobile est l’une des rares tâches nécessitant un apprentissage et le passage d’un examen initial, qui ne prévoit pas de mise en situation critique ni l’obligation de recyclages réguliers. En conséquence, les conducteurs ne connaissent pas les nouveaux systèmes d’aide et de sécurité proposés par les constructeurs automobiles et risquent de ne pas ou de mal s’en servir en conduite nominale. L’objectif de ce travail a été de vérifier, auprès de conducteurs novices et expérimentés, leur réelle capacité à utiliser les systèmes d’aide et de sécurité impliqués dans la régulation longitudinale du véhicule, en situation nominale et en situation d’urgence. Des essais ont été menés sur route, piste et simulateur de conduite. L’originalité de l’étude a porté sur la mesure du comportement du conducteur et de ses performances, pour approcher au mieux leur état fonctionnel (éveil physiologique, attention) induit par la charge mentale lorsqu’ils étaient confrontés à ces situations. On a privilégié l’utilisation de mesures physiologiques en continu et, en particulier, celles de l’activité électrodermale. Les résultats obtenus ont permis de conclure que les conducteurs -soumis à une situation critique, et en conséquence à une charge mentale élevée - utilisaient ces systèmes d’aide de manière inappropriée. Découlent de ces conclusions, deux offres de formations pour pallier la méconnaissance et la mauvaise utilisation des systèmes d’aide et de sécurité / Driving is one of the few activities which require both training and initial examination, but for which there are neither critical situation testing nor regular refresher courses. This creates two key problems: Through a lack of knowledge of the driving aids and safety systems offered by car manufacturers, drivers may fail to use or may misuse them in normal driving situations; secondly, an emergency situation may become critical if the driver has not previously experienced it in controlled conditions. The aim of this study was to check novice and experienced drivers’ ability to use the driving aids and safety systems proposed for vehicle longitudinal control in both nominal and critical situations. Trials were carried out in the field, on tracks and on driving simulators. The uniqueness of the study comes from combining driver behaviour and performance measurements to best correspond to the attention and workload observed when drivers were subjected to these situations. We therefore favoured the use of continuous physiological measures, and in particular electrodermal activity. The results enabled us to conclude that the use of these systems in critical situations was often inappropriate and necessitated a high workload. These conclusions led to the development and deployment of two training programmes in order to compensate for the lack of knowledge and misuse of the driving aids and safety systems

Cette thèse en Cognitique se focalise sur la « Conception Centrée sur l'Humain » (Human Centred Design) de futures assistances à la conduite automobile, adaptées aux conducteurs âgés (ou Elderly Adapted Driver Assistance Systems).Pour ce faire, la démarche proposée repose sur une approche et une méthodologie pluridisciplinaire. Sur le plan ergonomique, il s'agit de mieux connaître les spécificitésde la population des conducteurs âgés, dans le but d'identifier des difficultés et des besoins en assistance. A cette fin, 76 conducteurs âgés (de 70 à 87 ans) ont conduitun véhicule instrumenté, immergé dans le trafic. Le corpus de données comporte2100 kilomètres de conduite et 1400 situations de conduite autoévaluées par lesconducteurs, complétés par 6 Focus Group (30 conducteurs âgés).Le second volet, relevant d'une démarche d'Ingénierie Cognitive, vise à concevoir et développer des fonctions de « monitorage » à partir du corpus de données. L'objectif est de disposer de modèles et de fonctions d'analyse temps-réel capables (1) de superviser l'activité de conduite des conducteurs âgés (2) en regard du contexte ou des risques situationnels, afin de (3) diagnostiquer des difficultés ou erreurs de conduite, à des fins d’adaptativité des assistances. Des fonctions de monitorage en lien avec les contrôles de base du véhicule (gestion de la vitesse, positionnement dans la voie et la gestion de l'espace inter-véhiculaire avant) sont développées. Sur cette base, des fonctions de monitorage plus intégrées pour l'aide aux franchissements d'intersections (Tourne-à-Gauche) et l'assistance à l'insertion sur voies rapides (et au changement de voie) sont également proposées. / This thesis in Cognitics presents a Human Centered Design approach for thedevelopment of future driving assistance systems dedicated to elderly drivers orElderly Adapted Driver Assistance Systems (E-ADAS).To do so, this work relies on a multi-disciplinary approach for data collection andanalysis. Regarding Ergonomics, the aim is to better understand the specificrequirements of this population in order to identify their actual difficulties and actualneeds of assistance. In this frame, 76 drivers (aged from 70 to 87 years old) took partto an on-the-road experiment, driving an instrumented car. The dataset includes2100 km of ecological driving data and 1400 auto-evaluated driving situations,completed by 6 Focus Groups (involving 30 elderly drivers).The second part of this research, relying on Cognitive Engineering, explores thedesign and implementation of monitoring functions based on the aforementioneddataset. The objective is to have real-time models and analytical functions, able to:(1) supervise the driving activity as realized by an elderly driver, (2) taking in toconsideration the driving context or situational risks (3) in order to detect difficulties ordriving errors. Beyond this thesis, these diagnostics will have to be integrated inassistive systems to better adapt their support to the specific needs of elderly drivers.Specific monitoring functions related to basic vehicle control (speed management,lane positioning and headway regulation) are presented. Based on these results,integrated monitoring functions for intersection crossings in Left-Turn manoeuver,highway merging assistance, and, more broadly, lane change assistance areintroduced.

Dans le cadre de systèmes d’aide à la conduite, nous avons contribué aux approches de stéréovision pour l’extraction de contour, la mise en correspondance des images stéréoscopiques et la détection de véhicules. L’extraction de contour réalisée est basée sur le concept declivity line que nous avons proposé. La declivity line est construite en liant des déclivités selon leur position relative et similarité d’intensité. L’extraction de contour est obtenue en filtrant les declivity lines construites basées sur leurs caractéristiques. Les résultats expérimentaux montrent que la declivity lines méthode extrait plus de l’informations utiles comparées à l’opérateur déclivité qui les a filtrées. Des points de contour sont ensuite mis en correspondance en utilisant la programmation dynamique et les caractéristiques de declivity lines pour réduire le nombre de faux appariements. Dans notre méthode de mise en correspondance, la declivity lines contribue à la reconstruction détaillée de la scène 3D. Finalement, la caractéristique symétrie des véhicules sont exploitées comme critère pour la détection de véhicule. Pour ce faire, nous étendons le concept de carte de symétrie monoculaire à la stéréovision. En conséquence, en effectuant la détection de véhicule sur la carte de disparité, une carte de symétrie (axe; largeur; disparity) est construite au lieu d’une carte de symétrie (axe; largeur). Dans notre concept, des obstacles sont examinés à différentes profondeurs pour éviter la perturbation de la scène complexe dont le concept monoculaire souffre. / In the framework of driving assistance systems, we contributed to stereo vision approaches for edge extraction, matching of stereoscopic pair of images and vehicles detection. Edge extraction is performed based on the concept of declivity line we introduced. Declivity line is constructed by connecting declivities according to their relative position and intensity similarity. Edge extraction is obtained by filtering constructed declivity lines based on their characteristics. Experimental results show that declivity line method extracts additional useful information compared to declivity operator which filtered them out. Edge points of declivity lines are then matched using dynamic programming, and characteristics of declivity line reduce the number of false matching. In our matching method, declivity line contributes to detailed reconstruction of 3D scene. Finally, symmetrical characteristic of vehicles are exploited as a criterion for their detection. To do so, we extend the monocular concept of symmetry map to stereo concept. Consequently, by performing vehicle detection on disparity map, a (axis; width; disparity) symmetry map is constructed instead of an (axis; width) symmetry map. In our stereo concept, obstacles are examined at different depths thus avoiding disturbance of complex scene from which monocular concept suffers.

Mobility is a topic of great interest in research and engineering since critical aspects such as safety, traffic efficiency, and environmental sustainability still represent wide open challenges for researchers and engineers. In this thesis, at first, we address the cooperative driving safety problem both from a centralized and decentralized perspective. Then we address the problem of optimal energy management of hybrid vehicles to improve environmental sustainability, and finally, we develop an intersection management systems for Connected Autonomous Vehicle to maximize the traffic efficiency at an intersection. To address the first two topics, we define a common framework. Both the cooperative safety and the energy management for Hybrid Electric Vehicle requires to model the driver behavior. In the first case, we are interested in evaluating the safety of the driver’s intentions, while in the second case, we are interested in predicting the future velocity profile to optimize energy management in a fixed time horizon. The framework is the Co-Driver, which is, in short, a bio-inspired agent able both to model and to imitate a human driver. It is based on a layered control structure based on the generation of atomic human-like longitudinal maneuvers that compete with each other like affordances. To address driving safety, the Co-Driver behaves like a safe driver, and its behavior is compared to the actual driver to understand if he/she is acting safely and providing warnings if not. In the energy management problem, the Co-Driver aims at imitating the driver to predict the future velocity. The Co-Driver generates a set of possible maneuvers and selects one of them, imitating the action selection process of the driver. At first, we address the problem of safety by developing and investigating a framework for Advanced Driving Assistance Systems (ADAS) built on the Co-Driver. We developed and investigated this framework in an innovative context of new intelligent road infrastructure, where vehicles and roads communicate. The infrastructure that allows the roads to interact with vehicles and the environment is the topic of a research project called SAFESTRIP. This project is about deploying innovative sensors and communication devices on the road that communicate with all vehicles. Including vehicles that are equipped with Vehicle-To-Everything (V2X) technology and vehicles that are not, using an interface (HMI) on smart-phones. Co-Driver-based ADAS systems exploit connections between vehicles and (smart) roads provided by SAFESTRIP to cover several safety-critical use cases: pedestrian protection, wrong-way vehicles on-ramps, work-zones on roads and intersections. The ADAS provide personalized warning messages that account for the adaptive driver behavior to maximize the acceptance of the system. The ability of the framework to predict human drivers’ intention is exploited in a second application to improve environmental sustainability. We employ it to feed with the estimated speed profile a novel online Model Predictive Control (MPC) approach for Hybrid Electric Vehicles, introducing a state-of-the-art electrochemical model of the battery. Such control aims at preserving battery life and fuel consumption through equivalent costs. We validated the approach with actual driving data used to simulate vehicles and the power-train dynamics. At last, we address the traffic efficiency problem in the context of autonomous vehicles crossing an intersection. We propose an intersection management system for Connected Autonomous Vehicles based on a bi-level optimization framework. The motion planning of the vehicle is provided by a simplified optimal control problem, while we formulate the intersection management problem (in terms of order and timing) as a Mixed Integer Non-Linear Programming. The latter approximates a linear problem with a powerful piecewise linearization technique. Therefore, thanks to this technique, we can bound the error and employ commercial solvers to solve the problem (fast enough). Finally, this framework is validated in simulation and compared with the "Fist-Arrived First-Served" approach to show the impact of the proposed algorithm.