Cette dissertation modélise et analyse les flux de trafic hétérogènes, avec une attention particulière portée à la circulation de voitures et de deux-roues. L'augmentation du nombre de congestions de trafic a forcé les personnes désirant se déplacer à se diriger vers les le deux-roues (appelé ici PTWs = powered two wheelers), comme les motos, les mopeds et les scooters, du fait de leur facilité de manoeuvre et leur efficacité dans l'espace. L'augmentation du nombre de PTWs combinée au caractère unique de certaines de leurs fonctionnalités a résulté en un trafic complexe, donc les particularités sont difficiles à recréer avec les approches de modélisation existantes. Nous développerons ici un modele analytique permettant de reproduire de manière pertinente les particularités d'un flux de véhicules mêlant à la fois les voitures et les deux-roues. Le trafic se décompose en deux classes de véhicules : les PTWs et les voitures. Les propriétés fondamentales sont déduites en employant une approche "porous flow". On suppose que la vitesse d'un véhicule d’une certaine classe est dictée par les propriétés physiques et motrices du véhicule, ainsi que la distribution d'espace vide sur la route. Nous proposons une méthode d'approximation pour dériver la distribution d'espace vide. Dans le but d'explorer plus largement les caractéristiques du flux de trafic notamment requis par les applications de système de transport intelligent (ITS), nous formulons le modèle dans les cadres lagrangien et eulérien. Puis, nous feront appel à une méthode numérique pour la discrétisation du modèle mathématique. Se basant sur le modèle développé nous analyserons les caractéristiques du flux de trafic pour en identifier les propriétés les plus importantes qui nous permettrons de prédire de futures ITS applications et d'organisations du trafic. La possibilité d'appliquer le modèle pour les différentes ITS applications est illustrée par des exemples. Finalement, le modèle développé est validé à l'aide de l'outil de microsimulation. / This dissertation models and analyzes heterogeneous traffic flow, with a particular focus on mixed traffic flow consisting of cars and two-wheelers. The increase in traffic congestion induces commuters to switch to powered two wheelers (PTWs), i.e. motorcycle, mopeds and scooters, because of their high maneuverability and space efficiency. The growth in number of PTWs, combined with their unique mobility features, results in complex traffic characteristics which are difficult to recreate with the existing modeling approaches. We develop an analytical model that can accurately reproduce the traffic features in a mixed flow of cars and PTWs. The traffic stream is decomposed into two vehicle classes, PTWs and cars. The fundamental properties are derived by employing a porous flow approach. It is assumed that the speed of a vehicle class is dictated by the physical and motion properties of the vehicle class, and the distribution of free spaces on the road. We propose an approximation method to derive the free-space distribution. In order to explore broader aspects of the traffic flow characteristics, notably required by intelligent transport system (ITS) applications, we formulate the model in the Lagrangian and the Eulerian frameworks. Further, we provide a numerical method for the discretization of the mathematical model. We analyze the flow characteristics of mixed PTWs and cars traffic and identify important properties, which give insights for future ITS solutions and traffic policy makers. The applicability of the model for different ITS applications is illustrated. Finally, the developed model is validated using a microsimulation tool.

The safety of Powered Two Wheelers (PTWs) is important for public authorities and roadadministrators around the world. Recent official figures show that PTWs are estimated to represent only 2% of the total traffic but represent 30% of total deaths on French roads. However, as these estimated figures are obtained by simply counting the number plates registered, they do not give a true picture of the PTWs on the road at any given moment. This dissertation comes under the project METRAMOTO and is a technical applied research work and deals with two problems: detection of PTWsand the use of a laser scanner to count PTWs in the traffic. Traffic generally contains random vehicles of unknown nature and behaviour such as speed,vehicle interaction with other users on the road etc. Even though there are several technologies that can measure traffic, for example radars, cameras, magnetometers etc, as the PTWs are small-sized vehicles, they often move in between lanes and at quite a high speed compared to the vehicles moving in the adjacent lanes. This makes them difficult to detect. the proposed solution in this research work is composed of the following parts: a configuration to install the laser scanner on the road is chosen and a data coherence method is introduced so that the system is able to detect the road verges and its own height above the road surface. This is validated by simulator. Then the rawd ata obtained is pre-processed and is transform into the spatial temporal domain. Following this, an extraction algorithm called the Last Line Check (LLC) method is proposed. Once extracted, the objectis classified using one of the two classifiers either the Support Vector Machine (SVM) or the k-Nearest Neighbour (KNN). At the end, the results given by each of the two classifiers are compared and presented in this research work. The proposed solution in this research work is a propototype that is intended to be integrated in a real time system that can be installed on a highway to detect, extract, classify and counts PTWs in real time under all traffic conditions (traffic at normal speeds, dense traffic and even traffic jams).

La sécurité des deux-roues motorisés (2RM) constitue un enjeu essentiel pour les pouvoirs publics et les gestionnaires routiers. Si globalement, l’insécurité routière diminue sensiblement depuis 2002, la part relative des accidents impliquant les 2RM a tendance à augmenter. Ce constat est résumé par les chiffres suivants : les 2RM représentent environ 2 % du trafic et 30 % des tués sur les routes.On observe depuis plusieurs années une augmentation du parc des 2RM et pourtant il manque des données et des informations sur ce mode de transport, ainsi que sur les interactions des 2RM avec les autres usagers et l'infrastructure routière. Ce travail de recherche appliquée est réalisé dans le cadre du projet ANR METRAMOTO et peut être divisé en deux parties : la détection des2RM et la détection des objets routiers par scanner laser. Le trafic routier en général contient des véhicules de nature et comportement inconnus, par exemple leurs vitesses, leurs trajectoires et leurs interactions avec les autres usagers de la route. Malgré plusieurs technologies pour mesurer le trafic,par exemple les radars ou les boucles électromagnétiques, il est difficile de détecter les 2RM à cause de leurs petits gabarits leur permettant de circuler à vitesse élevée et ce même en interfile. La méthode développée est composée de plusieurs sous-parties: Choisir une configuration optimale du scanner laser afin de l’installer sur la route. Ensuite une méthode de mise en correspondance est proposée pour trouver la hauteur et les bords de la route. Le choix d’installation est validé par un simulateur. A ces données brutes, la méthode de prétraitement est implémentée et une transformation de ces données dans le domaine spatio-temporel est faite. Après cette étape de prétraitement, la méthode d’extraction nommée ‘Last Line Check (LLC)’ est appliquée. Une fois que le véhicule est extrait, il est classifié avec un SVM et un KNN. Ensuite un compteur est mis en œuvre pour compter les véhicules classifiés. A la fin, une comparaison de la performance de chacun de ces deux classifieurs est réalisée. La solution proposée est un prototype et peut être intégrée dans un système qui serait installé sur une route au trafic aléatoire (dense, fluide, bouchons) pour détecter, classifier et compter des 2RM en temps réel. / The safety of Powered Two Wheelers (PTWs) is important for public authorities and roadadministrators around the world. Recent official figures show that PTWs are estimated to represent only 2% of the total traffic but represent 30% of total deaths on French roads. However, as these estimated figures are obtained by simply counting the number plates registered, they do not give a true picture of the PTWs on the road at any given moment. This dissertation comes under the project METRAMOTO and is a technical applied research work and deals with two problems: detection of PTWsand the use of a laser scanner to count PTWs in the traffic. Traffic generally contains random vehicles of unknown nature and behaviour such as speed,vehicle interaction with other users on the road etc. Even though there are several technologies that can measure traffic, for example radars, cameras, magnetometers etc, as the PTWs are small-sized vehicles, they often move in between lanes and at quite a high speed compared to the vehicles moving in the adjacent lanes. This makes them difficult to detect. the proposed solution in this research work is composed of the following parts: a configuration to install the laser scanner on the road is chosen and a data coherence method is introduced so that the system is able to detect the road verges and its own height above the road surface. This is validated by simulator. Then the rawd ata obtained is pre-processed and is transform into the spatial temporal domain. Following this, an extraction algorithm called the Last Line Check (LLC) method is proposed. Once extracted, the objectis classified using one of the two classifiers either the Support Vector Machine (SVM) or the k-Nearest Neighbour (KNN). At the end, the results given by each of the two classifiers are compared and presented in this research work. The proposed solution in this research work is a propototype that is intended to be integrated in a real time system that can be installed on a highway to detect, extract, classify and counts PTWs in real time under all traffic conditions (traffic at normal speeds, dense traffic and even traffic jams).

L’accidentalité des conducteurs de 2RM est au cœur des préoccupations de sécurité routière. Ce travail de thèse vise à apporter des connaissances sur les différences de sexe et de conformité aux stéréotypes de sexe au sein de cette communauté très masculine. Il a été montré que les femmes motocyclistes avaient des taux d’accidents corporels ou mortels bien inférieurs à ceux des hommes. Les résultats montrent que les comportements à risque accidentels des hommes et des femmes motocyclistes sont proches, hormis pour les comportements les plus risqués. Il a aussi été montré que le type de motocyclette avait un effet plus important que le sexe sur les comportements à risques accidentels. De plus, il a été montré que les motocyclistes se conforment aux stéréotypes de sexe qui leurs sont associés et que la masculinité renforce la prise de risque et la transgression des règles, cette relation étant expliquée par les motivations à conduire un 2RM. Enfin, ce travail a montré que les stéréotypes de sexe associés à la conduite d’une motocyclette existent déjà chez les adolescents dès 11 ans. Ce travail de thèse montre donc des différences significatives entre hommes et femmes conducteurs de 2RM, autant au niveau de leur accidentalité que de leurs prises de risque. De plus, des stéréotypes de sexe existent bien pour cette population spécifique d’usagers de la route. Ces travaux permettent d’avoir une connaissance plus fine des comportements des conducteurs de 2RM, et d’enrichir la réflexion sur des actions possibles en matière d’éducation routière, en ciblant les sous-populations les plus à risque chez les conducteurs de 2RM. / The powered two-wheelers (PTW) riders’ accidentality is at the heart of road safety issues. This PhD thesis is part of a comprehensive approach to generate knowledge on sex differences and sex stereotypes conformity within this very masculine stereotyped community. It first showed that female motorcyclists have much lower injury crashes and fatalities rates than males. A first study showed that males declared more intentional risky behaviors and female more non-intentional risky behaviors. A second study showed that the PTW type chosen had a more important effect on the aberrant behaviors than sex. A third study showed that individuals who conformed to masculine stereotypes declared more violations than those who conformed to feminine stereotypes (declared more lapses), whatever their sex. Motivations to ride a PTW explaining this relation. Finally, this work showed that sex stereotypes associated with motorcycle riding already existed on the adolescent population, from the age of 11, even if they are themselves moped riders or if at least one of their parents is a rider. As a conclusion, significant differences between male and female PTW riders were revealed, in terms of accidentology and risk taking. These differences are linked to the riders’ conformity to their sex group and to the effects of this conformity on their motivations to ride a PTW. Moreover, it also showed that sex stereotypes exist for this specific road users’ population. This work led to a more detailed understanding of PTW riders’ aberrant behaviors, and to enrich the thinking for actions with regard to road safety education and prevention.

L'objectif de cette thèse est de développer des outils d'analyse de données recueillies sur les deux roues motorisés (2RMs). Dans ce cadre, des expérimentations sont menées sur des motos instrumentés dans un contexte de conduite réelle incluant à la fois des conduites normales dites naturelles et des conduites à risques (presque chute et chute). Dans la première partie de la thèse, des méthodes d'apprentissage supervisé ont été utilisées pour la classification de situations de conduite d'un 2RM. Les approches développées dans ce contexte ont montré l'intérêt de prendre en compte l'aspect temporel des données dans la conduite d'un 2RM. A cet effet, nous avons montré l'efficacité des modèles de Markov cachés. La seconde partie de cette thèse porte sur le développement d'outils de détection et de classification hors ligne des évènements critiques de conduite, ainsi que, la détection en ligne des situations de chute d'un 2RM. L'approche proposée pour la détection hors ligne des évènements critiques de conduite repose sur l'utilisation d'un modèle de mélange de densités gaussiennes à proportions logistiques. Ce modèle sert à la segmentation non supervisée des séquences de conduite. Des caractéristiques extraites du paramètre du modèle de mélange sont utilisées comme entrées d'un classifieur pour classifier les évènements critiques. Pour la détection en ligne de chute, une méthode simple de détection séquentielle d'anomalies basée sur la carte de contrôle MCUSUM a été proposée. Les résultats obtenus sur une base de données réelle ont permis de montrer l'efficacité des méthodologies proposées à la fois pour la classification de situations de conduite et à la détection des évènements critiques de conduite / This thesis aims to develop framework tools for analyzing and understanding the riding of Powered Two Wheelers (PTW). Experiments are conducted using instrumented PTW in real context including both normal (naturalistic) riding behaviors and critical riding behaviors (near fall and fall). The two objectives of this thesis are the riding patterns classification and critical riding events detection. In the first part of this thesis, a machine-learning framework is used for riding pattern recognition problem. Therefore, this problem is formulated as a classification task to identify the class of riding patterns. The approaches developed in this context have shown the interest to take into account the temporal aspect of the data in PTW riding. Moreover, we have shown the effectiveness of hidden Markov models for such problem. The second part of this thesis focuses on the development of the off-line detection and classification of critical riding events tools and the on-line fall detection. The problem of detection and classification of critical riding events has been performed towards two steps: (1) the segmentation step, where the multidimensional time of data were modeled and segmented by using a mixture model with quadratic logistic proportions; (2) the classification step, which consists in using a pattern recognition algorithm in order to assign each event by its extracted features to one of the three classes namely Fall, near Fall and Naturalistic riding. Regarding the fall detection problem, it is formulated as a sequential anomaly detection problem. The Multivariate CUmulative SUM (MCUSUM) control chart was applied on the data collected from sensors mounted on the motorcycle. The obtained results on a real database have shown the effectiveness of the proposed methodology for both riding pattern recognition and critical riding events detection problems

Depuis plusieurs années les chiffres de l'insécurité routière montrent la nécessité de développer un outil technologique qui vise à connaitre le comportement de véhicules deux roues motorisés (2RM) afin d'améliorer leursécurité. De cette problématique découle nos travaux de recherche qui s'inscrivent dans le cadre de projet METRAMOTO (MEsure du TRAfic des deux-roues MOTOrisés pour la sécurité routière et l'évaluation des risques)L’objectif principal visé concerne la modélisation, le dimensionnement et l'optimisation d'un capteur hybride constitué d'une part de boucles électromagnétiques et d'autre part de capteurs de chocs piézo-électriques. L’idée consiste à utiliser les boucles électromagnétiques pour discriminer la présence des 2RM de celle des autresvéhicules, associées à des segments piézo-électriques pour détecter le choc produit par le passage des roues desdifférents véhicules, le tout associé à un algorithme de gestion et de traitement de données. Aujourd'hui redimensionnement des systèmes de détection à base de boucles électromagnétiques ou de câble piézo-électriquese fait de manière expérimentale sur des sites contrôlés en utilisant plusieurs types de véhicules. Cette technique gourmande en temps nécessite une série importante d'essais couteux et dangereux. La présente étude a pour butde modéliser les différentes interactions entre le capteur hybride étudié et les véhicules en vue de son dimensionnement. Des modèles électromagnétiques et électromécaniques sont développés pour décrire les différentes interactions se produisant entre les boucles électromagnétiques d'une part, les boucles électromagnétiques et les véhicules d'autre part ainsi que celles des roues de véhicules et le câble piézoélectrique.Sur la base de ces modèles établis, une démarche générale est élaborée conduisant au dimensionnement du capteur hybride pour une route donnée. Nous nous sommes également intéressés au traitement des données issues du capteur hybride pour lesquelles nous proposons une approche d'identification des différentes catégories de véhicules dont les 2RM. Deux configurations de capteurs pour deux routes différentes sont alors proposées.Elles sont associées à des algorithmes de traitement de données permettant l'acquisition des signaux de boucles et de câbles, la distinction des différents types de véhicules, l'estimation de la position des véhicules sur la chaussée ainsi que la mesure de la vitesse de véhicules. / For several years the road safety numbers show the need to develop a technological tool that aims to know thepowered two wheelers vehicles behavior (2PW) to improve their security. From this problematic arise our researchworks that come under the project METRAMOTO (Powered two wheelers traffic measurement for road safety andrisks assessment). The main objective is modeling, sizing and optimization of an hybrid sensor consisted ofelectromagnetic loops and piezoelectric shock sensors. The idea is to use electromagnetic loops to discriminate the2PW presence from the other vehicles, combined with piezoelectric segments to detect the shocks produced by thevehicles wheels passage, all associated with a management algorithm and data processing. Today the sizing of thedetection systems based on electromagnetic loops or piezoelectric cables is done experimentally on controlled sitesusing several vehicles types. This technique requires significant test series which are costly and dangerous. Thisstudy aims to modeling the different interactions between the studied sensor and vehicles in order to its sizing.Electromagnetic and electromechanical models are developed to describe the different interactions that take placebetween electromagnetic loops on the one hand, between electromagnetic loops and vehicles on the other handand those between vehicle wheels and piezoelectric cable. On the basis of established models, a general approachis elaborated driving to sizing the hybrid sensor for any given road. We are also interested to the data processingcoming from the hybrid sensor for which we propose an approach to identifying the different vehicle categoriesincluding the 2PW. Two sensor configurations for two different roads are then proposed. They are associated atdata processing algorithms allowing the acquisition of loops and cables signals, the distinction between the differentvehicles classes, the estimation of the vehicles positions on the road and the measuring of their speed.

L'objectif de cette thèse est de développer des outils d'analyse de données recueillies sur les deux roues motorisés (2RMs). Dans ce cadre, des expérimentations sont menées sur des motos instrumentés dans un contexte de conduite réelle incluant à la fois des conduites normales dites naturelles et des conduites à risques (presque chute et chute). Dans la première partie de la thèse, des méthodes d'apprentissage supervisé ont été utilisées pour la classification de situations de conduite d'un 2RM. Les approches développées dans ce contexte ont montré l'intérêt de prendre en compte l'aspect temporel des données dans la conduite d'un 2RM. A cet effet, nous avons montré l'efficacité des modèles de Markov cachés. La seconde partie de cette thèse porte sur le développement d'outils de détection et de classification hors ligne des évènements critiques de conduite, ainsi que, la détection en ligne des situations de chute d'un 2RM. L'approche proposée pour la détection hors ligne des évènements critiques de conduite repose sur l'utilisation d'un modèle de mélange de densités gaussiennes à proportions logistiques. Ce modèle sert à la segmentation non supervisée des séquences de conduite. Des caractéristiques extraites du paramètre du modèle de mélange sont utilisées comme entrées d'un classifieur pour classifier les évènements critiques. Pour la détection en ligne de chute, une méthode simple de détection séquentielle d'anomalies basée sur la carte de contrôle MCUSUM a été proposée. Les résultats obtenus sur une base de données réelle ont permis de montrer l'efficacité des méthodologies proposées à la fois pour la classification de situations de conduite et à la détection des évènements critiques de conduite / This thesis aims to develop framework tools for analyzing and understanding the riding of Powered Two Wheelers (PTW). Experiments are conducted using instrumented PTW in real context including both normal (naturalistic) riding behaviors and critical riding behaviors (near fall and fall). The two objectives of this thesis are the riding patterns classification and critical riding events detection. In the first part of this thesis, a machine-learning framework is used for riding pattern recognition problem. Therefore, this problem is formulated as a classification task to identify the class of riding patterns. The approaches developed in this context have shown the interest to take into account the temporal aspect of the data in PTW riding. Moreover, we have shown the effectiveness of hidden Markov models for such problem. The second part of this thesis focuses on the development of the off-line detection and classification of critical riding events tools and the on-line fall detection. The problem of detection and classification of critical riding events has been performed towards two steps: (1) the segmentation step, where the multidimensional time of data were modeled and segmented by using a mixture model with quadratic logistic proportions; (2) the classification step, which consists in using a pattern recognition algorithm in order to assign each event by its extracted features to one of the three classes namely Fall, near Fall and Naturalistic riding. Regarding the fall detection problem, it is formulated as a sequential anomaly detection problem. The Multivariate CUmulative SUM (MCUSUM) control chart was applied on the data collected from sensors mounted on the motorcycle. The obtained results on a real database have shown the effectiveness of the proposed methodology for both riding pattern recognition and critical riding events detection problems

La pollution sonore est un problème majeur pour les résidents des zones urbaines. La directive Européenne 2002/49/CE impose aux états membres l’établissement de cartes de bruit. Ces dernières sont construites sur la base de l’indice énergétique Lden, également utilisé dans les relations dose-effet établies pour prédire la gêne. Toutefois, pour l’évaluation de la gêne due au bruit dans les zones urbaines, la pertinence de cet indice est souvent remise en question. En effet, de nombreuses études ont montré que les caractéristiques temporelles et spectrales des bruits environnementaux influencent aussi les réponses de gêne et ne sont pas prises en compte dans cet indice. Cette thèse vise à contribuer à l’amélioration de la caractérisation de la gêne due au bruit des véhicules routiers en ville. Elle est basée sur des expériences réalisées en laboratoire. Elle comprend deux parties principales. La première partie a comme objectif de progresser sur la caractérisation physique et perceptive du bruit des passages de divers véhicules routiers en milieu urbain tels que les bus, les deux-roues motorisés, les poids lourds et les véhicules légers. Une attention particulière a été portée sur la caractérisation de la gêne due aux deuxroues motorisés qui sont cités parmi les véhicules routiers les plus gênants et sont peu étudiés dans la littérature. Dans cette perspective, un indicateur acoustique caractéristique de la gêne due au bruit routier urbain a été déterminé : il rend compte de différents attributs auditifs gênants en associant la sonie, un indice spectral et deux indices de modulation proposés dans le cadre de ces travaux. Dans les zones urbaines, les riverains sont souvent exposés à la circulation routière en présence d’autres sources de bruit de l’environnement. L’objectif principal de la deuxième partie est la prédiction de la gêne totale due au bruit du trafic routier urbain combiné avec le bruit de tramway. Dans le but de caractériser la gêne totale, les phénomènes perceptifs liés à la combinaison de ces bruits sont tout d’abord étudiés. Ensuite, l’indicateur proposé précédemment pour caractériser la gêne due au bruit des passages de différents véhicules routiers est testé lorsque différents trafics routiers urbains sont considérés. Sur la base de ces résultats, des modèles permettant de caractériser la gêne due au bruit de trafic routier urbain combiné au bruit de tramway ont été proposés. / Noise pollution is a major concern for residents of urban areas. To date, the European directive 2002/49/CE requires member states to represent community noise through noise maps. These are produced using the Lden (day-evening-night level) index which is also employed for dose-effect relationships in noise annoyance prediction. However, for the assessment of noise annoyance in urban areas, its relevance is often questioned. Numerous studies have shown that noise annoyance due to community noise is not solely based on the sound pressure level and other acoustical signal characteristics such as temporal and spectral features influence noise annoyance ratings. This thesis aims to improve the assessment of noise annoyance due to various road vehicle noises in cities. It is based on experiments carried out in laboratory conditions and comprises two main parts. The first addresses the enhancement of the physical and perceptual characterization of annoyance due to various urban road vehicle pass-by noises, such as buses, poweredtwo- wheelers, heavy vehicles and light vehicles. A specific focus is put on the characterization of annoyance due to powered-two-wheelers which are among the most annoying road vehicles and studied little in the existing literature. An indicator accounting for annoyance-relevant auditory attributes of urban road vehicle pass-by noises is determined: it comprises loudness, a spectral index and two modulation indices proposed in this work. In urban agglomerations, people are often exposed to road traffic in presence of a variety of other environmental noise sources. The focal point of the second part is on the prediction of total annoyance due to urban road traffic noise combined with tramway noise. In the aim of adequately characterizing total annoyance, first the perceptual phenomena involved in annoyance due to the combination of the sources are studied. Furthermore, the analysis allows for the testing of the proposed noise annoyance indicator for the characterization of urban road traffic noise. To characterize annoyance due to tramway noise, an indicator determined in a recent study is employed. Based on these indicators and the findings regarding perceptual phenomena, models for the prediction of total annoyance due to combined urban road traffic and tramway noise are proposed.