Introduction : La sécurité routière sur le réseau interurbain est un problème majeur de santé publique dans les Pays à Revenu Bas et Moyen (PRBM) mais peu d'attention y a été consacrée. Les objectifs de cette thèse étaient d’évaluer le fardeau des traumatismes en relation avec le trafic interurbain, la déclaration des usagers blessés dans des bases de données différentes, d’analyser l’association entre les facteurs situationnels (caractéristiques physiques et circonstances environnementales) et les sites des accidents et la perception de la dangerosité des tronçons accidentogènes dans les PRBM. Méthodes et résultats : Pour répondre à ces objectifs, cinq études spécifiques ont été réalisées dans deux PRBM, le Cameroun et le Pakistan. L’étude I a évalué le nombre de tués par véhicules-km parcourus et les facteurs qui leur étaient associés, en utilisant les rapports de police entre 2004 et 2007 sur l’axe Yaoundé-Douala, Cameroun. Le taux de mortalité était de 73 par 100 millions véhicules km parcourus, un taux 35 fois plus élevé que sur un même type de route en pays à revenu élevé. La mortalité était plus élevée pour les accidents impliquant des usagers vulnérables, les véhicules roulant en sens opposé et ceux dus à une défaillance mécanique, y compris un éclatement de pneu. L’étude II a évalué les différences de déclaration d’accidents faites par les services de police, d’ambulance et des urgences en 2008 sur l’axe Karachi-Hala, Pakistan. La mortalité était de 53 par 109 véhicules-km parcourus ; le taux de mortalité était 13 fois plus élevé sur cet axe par rapport à un même type de route en France. La police a déclaré un mort sur cinq et un blessé grave sur dix. Les usagers de la route vulnérables, y compris les piétons et deux-roues ont été deux fois moins déclarés par la police que par les services d'ambulance ou des urgences. L’étude III a étudié les facteurs situationnels associés aux sites des accidents sur l’axe Yaoundé-Douala par une approche de type cas-témoins. Les facteurs tels que le profil routier plat (rapport de cotes [RC] ajusté =1,52 ; intervalle de confiance à 95 % [IC95 %]=1,15-2,04), les surfaces irrégulières (RC=1,43 ; IC95 %=1,04-1,99), les obstacles à proximité (RC=1,99 ; IC95 %=1,09-3,63) et les intersections à trois (RC=3,11 ; IC95 %=1,15-8,39) ou à quatre directions (RC=3,23 ; IC95 %=1,51-6,92) étaient significativement associés à des sites d’accidents corporels. De plus, la probabilité des accidents augmentait dans des zones urbaines situées dans des régions de plaine (RC=2,23 ; IC95 %=1,97-2,77). L’étude IV a étudié le fardeau des traumatismes dus aux accidents ainsi que les facteurs associés dans des zones en travaux sur l’axe Karachi-Hala en utilisant les méthodes de cohorte historique. Un tiers de la mortalité routière était survenu dans des zones en travaux et le risque de mortalité était quatre fois plus élevé dans ces zones que dans les autres zones. Un accident sur deux a eu lieu entre des véhicules roulant en sens opposé dans ces zones. L’étude V a étudié la perception de la dangerosité des tronçons accidentogènes (au moins 3 accidents sur 3 ans) et non accidentogènes (aucun accident déclaré) sur les deux axes des précédentes études, en montrant leurs vidéos à des conducteurs volontaires pakistanais. Les conducteurs n’ont perçu comme dangereux que la moitié des tronçons accidentogènes. La perception de la dangerosité des tronçons plats et droits était plus faible par rapport aux tronçons en courbes et avec une pente. La perception de la dangerosité en zone urbaine d’un tronçon accidentogène était significativement moins élevée (RC=0,58 ; IC95 %=0,51-0,68) que celle d’un tronçon non accidentogène ayant la même caractéristique (RC=2,04 ; IC95 %=1,51-2,74). La perception de la dangerosité d’un tronçon accidentogène avec panneau de signalisation était significativement plus élevée (RC=2,75 ; IC95 %=2,38-3,16) par rapport à des tronçons non accidentogènes ayant la même caractéristique (RC=0,50 ; IC95 %=0,34-0,72). Conclusion : Cette thèse montre combien des méthodes épidémiologiques simples, mais novatrices, peuvent être utiles pour évaluer le fardeau des traumatismes par accidents et leurs facteurs de risques dans les PRBM. Ces pays sont confrontés à un énorme fardeau de morbidité routière qui est souvent sous-déclarée dans les données de la police. Un système de surveillance fiable et valide est nécessaire dans les PRBM. De plus, la politique de prévention pourrait être améliorée par une meilleure communication d’information entre les autorités routières et policières concernant les facteurs situationnels. De la même façon, les mesures de sécurité dans les zones en travaux devraient être contrôlées par un système dédié. Enfin, la sécurité routière sur les routes interurbaines dans les PRBM pourrait être améliorée en rendant les routes plus « informant », en particulier avec l’application de mesures peu couteuses telles que les panneaux de signalisations sur les tronçons accidentogènes. / Background: Interurban traffic safety is a major public health problem, but has received little attention in Low- and Middle-Income Countries (LMICs). The objectives of this thesis were to assess the burden of injury related to interurban traffic, and reporting of these injuries in different datasets, to analyze situational factors (physical characteristics and environmental circumstances) associated with crash sites, and road hazard perception of high-risk crash sites in LMICs. Methods and results: These objectives were assessed in five specific studies conducted in two LMICs, Cameroon and Pakistan. In study I, traffic fatality per vehicle-km and associated crash factors were assessed using police reports for years 2004 to 2007, on the two-lane Yaoundé-Douala road section in Cameroon. Traffic fatality was 73 per 100 million vehicle-km, a rate 35 times higher than a similar road in a high-income country. Fatality was higher for crashes involving vulnerable road users, crashes between oppositely-moving vehicles, and those due to mechanical failure including tyre burst. In study II, traffic injury reporting to police, ambulance, and Emergency Department (ED) in 2008 was assessed, on the four-lane Karachi-Hala road section in Pakistan. Crash fatality was over 53 per 109 vehicle-km, a rate 13 times higher than a similar road in France. Police reported only one out of five fatalities and one out of ten severe injuries. Vulnerable road users were two times less reported in police data than ambulance or ED data. In study III, situational factors associated with injury crash sites were assessed on the Yaoundé-Douala road section, using case-control methods. Factors such as flat road profiles (adjusted Odds Ratios [OR]=1.52; 95% Confidence Interval [95%CI]=1.15-2.01), irregular surface conditions (OR=1.43; 95%CI=1.04-1.99), nearby road obstacles (OR=1.99; 95%CI=1.09-3.63), and three- (OR=3.11; 95%CI=1.15-8.39) or four-legged (OR=3.23; 95%CI= 1.51-6.92) intersections were significantly associated with injury crash sites. Furthermore, the likelihood of crash increased with built-up areas situated in plain regions (OR=2.33; 95%CI=1.97-2.77). In study IV, traffic injury burden and factors associated with Highway Work Zones (HWZs) crashes were assessed on the Karachi-Hala road section, using historical cohort methods. HWZs accounted for one third of traffic fatalities, and fatality per vehicle-km was four times higher in HWZs than other zones. One out of two HWZ crashes occurred between oppositely moving vehicles. In study V, hazard perception of high-risk (with ≥ 3 crashes in 3 years) and low-risk sites (no crash reported) from the two above road sections was assessed by showing videos to voluntary Pakistani drivers. Drivers were able to identify only half of the high-risk sites as hazardous. Sites with a flat and straight road profile had a lower hazard perception compared to those with curved and slope road profile. High-risk sites situated in built-up areas were perceived less hazardous (OR = 0.58; 95%CI=0.51-0.68) compared to low-risk sites (OR = 2.04; 95%CI=1.51-2.74) with same road situation. Further, high-risk sites with vertical road signs were more likely to be perceived hazardous (OR = 2.75; 95%CI=2.38-3.16) than low-risk sites (OR = 0.50; 95%CI=0.34-0.72) with such signs. Conclusion: This thesis illustrates how innovative yet simple epidemiological methods can be useful in assessing the injury burden and specific risk factors in LMICs. These countries face a high burden of interurban road injuries, mostly under-reported in police data. A reliable and accurate injury surveillance system is needed in these countries. Moreover, prevention policy can be improved by better information transfer between road and police authorities regarding situational factors. Similarly, a monitoring system is required to examine the HWZ safety interventions in these countries. Lastly, interurban road safety can be improved by making roads self-explaining, especially by implementing low-cost interventions such as vertical signs at high-risk sites.

Les systèmes de transports intelligents coopératifs (C-ITS) offrent des opportunités pour améliorer la sécurité routière et particulièrement la sécurité des usagers vulnérables (VRU), e.g., piétons et cyclistes. La principale source d'accidents provient de l'incapacité des usagers, véhicules et VRUs, à détecter le danger avant qu'une collision soit inévitable. Nous introduisons un système de perception qui s'appuie sur les données des capteurs laser et caméra pour estimer l'état des VRUs entourant le véhicule. Une technique de classification multi-classes des obstacles routiers à partir de données laser a été développée en utilisant une méthode d'apprentissage statistique et une estimation bayésienne. Nous proposons une architecture de communication véhicules-piétons (V2P) qui prend en compte les faibles ressources énergétiques des smartphones transportés par les piétons. Notre solution s'appuie sur les standards définis dans l'architecture de communication véhiculaire ETSI ITS et propose une dissémination géographique pour la communication V2P. Un système coopératif perception/communication a le potentiel de gérer des scénarios de plus en plus complexes en combinant la capacité de la perception à estimer l'état dynamique des obstacles détectés et la capacité de la communication à échanger un contenu riche entre des usagers éloignés. Nous introduisons une fusion multi-hypothèses entre les informations de perception et de communication et une application pour smartphone destinée à protéger les VRUs des dangers de la route. Les solutions proposées au cours de la thèse sont évaluées sur des données réelles. Nous avons mené des expérimentations sur le campus d'INRIA démontrant les atouts d'un système coopératif de protection des usagers vulnérables. / Cooperative intelligent transportation systems (C-ITS) have the opportunity to enhance road safety, especially the safety of vulnerable road users (VRU), e.g., pedestrians and cyclists. Road accidents are mainly due to vehicles' and VRUs' inability to detect the danger before a collision cannot be avoided.We introduce a perception system based on laser and camera sensors to estimate the state of VRUs located around the vehicle. A multi-class classification of road obstacles based on laser data has been developed using statistical machine learning and Bayesian estimation.We propose an architecture for vehicles-to-pedestrians (V2P) communication which considers the weak energy resources of the devices carried by pedestrians such as smartphones. Our solution is relying on the standards defined by ETSI ITS architecture for vehicular communication and proposes geographical dissemination for V2P communication.A cooperative perception/communication system can deal with scenarios which are becoming more and more complex by combining the ability of perception to estimate the dynamic state of detected obstacles and the ability of communication to exchange a rich content between distant users. We introduce a multi-hypotheses fusion between perception and communication information and a smartphone application dedicated to protect VRUs from road danger.The solutions proposed during this thesis are evaluated on real data. We carried out real experiments on INRIA campus demonstrating the assets of a cooperative system for the protection of vulnerable road users.

Chaque année, des millions de personnes meurent et beaucoup d'autres subissent des séquelles graves à la suite d'accidents de la route. Malgré une multitude d’initiatives, le nombre de cas mortels et d'accidents graves augmente chaque année en engendrant des problèmes préoccupants à la fois sociaux, économiques et sanitaires. En raison de leur nombre élevé et de l'absence de protection personnelle, plus de la moitié de ces décès concerne les usagers vulnérables (en anglais, vulnerable road users - VRU) regroupant les piétons, cyclistes et motocyclistes. Les appareils mobiles, combinés à la technologie de Fog Computing (ou informatique géodistribuée, ou même informatique en brouillard), représentent une solution réaliste à court terme pour les protéger en les avertissant de l’imminence d'un accident de circulation. L’omniprésence des appareils mobiles et leurs capacités de calcul élevées font de ces appareils un élément important à considérer dans les solutions de sécurité routière. Le Fog Computing offre des fonctionnalités adaptées aux applications de sécurité routière, puisqu’il s’agit d’une extension du Cloud Computing permettant de rapprocher les services informatiques, le stockage et le réseau au plus près des utilisateurs finaux. Par conséquent, dans cette thèse, nous proposons une architecture réseau sans infrastructure supplémentaire (PV-Alert) pour des fins de sécurité routière et reposant uniquement sur les appareils mobiles des VRU et des conducteurs sur la route avec l’aide du concept de Fog Computing. Les données géographiques et cinématiques de ces appareils sont collectées et envoyées périodiquement au serveur fog situé à proximité. Le serveur fog traite ces données en exécutant un algorithme de calcul de risque d’accident de circulation et renvoie des notifications en cas d'accident imminent. L’évaluation de cette architecture montre qu’elle est capable de générer des alertes en temps réel et qu’elle est plus performante que d’autres architectures en termes de fiabilité, d’évolutivité et de latence. / Annually, millions of people die and many more sustain non-fatal injuries because of road traffic crashes. Despite multitude of countermeasures, the number of causalities and disabilities owing to traffic accidents are increasing each year causing grinding social, economic, and health problems. Due to their high volume and lack of protective-shells, more than half of road traffic deaths are imputed to vulnerable road users (VRUs): pedestrians, cyclists and motorcyclists. Mobile devices combined with fog computing can provide feasible solutions to protect VRUs by predicting collusions and warning users of an imminent traffic accident. Mobile devices’ ubiquity and high computational capabilities make the devices an important components of traffic safety solutions. Fog computing has features that suits to traffic safety applications as it is an extension of cloud computing that brings down computing, storage, and network services to the proximity of end user. Therefore, in this thesis, we have proposed an infrastructure-less traffic safety architecture that depends on fog computing and mobile devices possessed by VRUs and drivers. The main duties of mobile devices are extracting their positions and other related data and sending cooperative awareness message to a nearby fog server using wireless connection. The fog server estimates collision using a collision prediction algorithm and sends an alert message, if an about-to-occur collision is predicted. Evaluation results shows that the proposed architecture is able to render alerts in real time. Moreover, analytical and performance evaluations depict that the architecture outperforms other related road safety architectures in terms of reliability, scalability and latency. However, before deploying the architecture, challenges pertaining to weaknesses of important ingredients of the architecture should be treated prudently. Position read by mobile devices are not accurate and do not meet maximum position sampling rates traffic safety applications demand. Moreover, continuous and high rate position sampling drains mobile devices battery quickly. From fog computing’s point of view, it confronts new privacy and security challenges in addition to those assumed from cloud computing. For aforementioned challenges, we have proposed new solutions: (i) In order to improve GPS accuracy, we have proposed an efficient and effective two-stage map matching algorithm. In the first stage, GPS readings obtained from smartphones are passed through Kalman filter to smooth outlier readings. In the second stage, the smoothed positions are mapped to road segments using online time warping algorithm. (ii) position sampling frequency requirement is fulfilled by an energy efficient location prediction system that fuses GPS and inertial sensors’ data. (iii) For energy efficiency, we proposed an energy efficient fuzzy logic-based adaptive beaconing rate management that ensures safety of VRUs. (iv) finally, privacy and security issues are addressed indirectly using trust management system. The two-way subjective logic-based trust management system enables fog clients to evaluate the trust level of fog servers before awarding the service and allows the servers to check out the trustworthiness of the service demanders. Engaging omnipresent mobile device and QoS-aware fog computing paradigm in active traffic safety applications has the potential to reduce overwhelming number of traffic accidents on VRUs.

Dans ce travail de thèse, nous présentons nos travaux qui portent sur l’identification des cibles en général par un radar Ultra-Large Bande (ULB) et en particulier l’identification des cibles dont la surface équivalente radar est faible telles que les piétons et les cyclistes. Ce travail se décompose en deux parties principales, la détection et la reconnaissance. Dans la première approche du processus de détection, nous avons proposé et étudié un détecteur de radar ULB robuste qui fonctionne avec des données radar 1-D (A-scan) à une dimension. Il exploite la combinaison des statistiques d’ordres supérieurs et du détecteur de seuil automatique connu sous le nom de CA-CFAR pour Cell-Averaging Constant False Alarm Rate. Cette combinaison est effectuée en appliquant d’abord le HOS sur le signal reçu afin de supprimer une grande partie du bruit. Puis, après avoir éliminé le bruit du signal radar reçu, nous implémentons le détecteur de seuil automatique CA-CFAR. Ainsi, cette combinaison permet de disposer d’un détecteur de radar ULB à seuil automatique robuste. Afin d’améliorer le taux de détection et aller plus loin dans le traitement, nous avons évalué l’approche des données radar 2-D (B-Scan) à deux dimensions. Dans un premier temps, nous avons proposé une nouvelle méthode de suppression du bruit, qui fonctionne sur des données B-Scan. Il s’agit d’une combinaison de WSD et de HOS. Pour évaluer les performances de cette méthode, nous avons fait une étude comparative avec d’autres techniques de suppression du bruit telles que l’analyse en composantes principales, la décomposition en valeurs singulières, la WSD, et la HOS. Les rapports signal à bruit -SNR- des résultats finaux montrent que les performances de la combinaison WSD et HOS sont meilleures que celles des autres méthodes rencontrées dans la littérature. A la phase de reconnaissance, nous avons exploité les données des deux approches à 1-D et à 2-D obtenues à partir du procédé de détection. Dans la première approche à 1-D, les techniques SVM et le DBN sont utilisées et évaluées pour identifier la cible en se basant sur la signature radar. Les résultats obtenus montrent que la technique SVM donne de bonnes performances pour le système proposé où le taux de reconnaissance global moyen atteint 96,24%, soit respectivement 96,23%, 95,25% et 97,23% pour le cycliste, le piéton et la voiture. Dans la seconde approche à 1-D, les performances de différents types d’architectures DBN composées de différentes couches ont été évaluées et comparées. Nous avons constaté que l’architecture du réseau DBN avec quatre couches cachées est meilleure et la précision totale moyenne peut atteindre 97,80%. Ce résultat montre que les performances obtenues avec le DBN sont meilleures que celles obtenues avec le SVM (96,24%) pour ce système de reconnaissance de cible utilisant un radar ULB. Dans l’approche bidimensionnelle, le réseau de neurones convolutifs a été utilisé et évalué. Nous avons proposé trois architectures de CNN. La première est le modèle modifié d’Alexnet, la seconde est une architecture avec les couches de convolution arborescentes et une couche entièrement connectée, et la troisième est une architecture avec les cinq couches de convolution et deux couches entièrement connectées. Après comparaison et évaluation des performances de ces trois architectures proposées nous avons constaté que la troisième architecture offre de bonnes performances par rapport aux autres propositions avec une précision totale moyenne qui peut atteindre 99,59%. Enfin, nous avons effectué une étude comparative des performances obtenues avec le CNN, DBN et SVM. Les résultats montrent que CNN a les meilleures performances en termes de précision par rapport à DBN et SVM. Cela signifie que l’utilisation de CNN dans les données radar bidimensionnels permet de classer correctement les cibles radar ULB notamment pour les cibles à faible SER et SNR telles que les cyclistes ou les piétons. / In this thesis work, we focused on the study and development of a system identification using UWB-Ultra-Wide-Band short range radar to detect the objects and particularly the vulnerable road users (VRUs) that have low RCS-Radar Cross Section- such as cyclist and pedestrian. This work is composed of two stages i.e. detection and recognition. In the first approach of detection stage, we have proposed and studied a robust UWB radar detector that works on one dimension 1-D radar data ( A-scan). It relies on a combination of Higher Order Statistics (HOS) and the well-known CA-CFAR (Cell-Averaging Constant False Alarm Rate) detector. This combination is performed by firstly applying the HOS to the received radar signal in order to suppress the noise. After eliminating the noise of the received radar signal, we apply the CA-CFAR detector. By doing this combination, we finally have an UWB radar detector which is robust against the noise and works with the adaptive threshold. In order to enhance the detection performance, we have evaluated the approach of using two dimensions 2-D (B-Scan) radar data. In this 2-D radar approach, we proposed a new method of noise suppression, which works on this B-Scan data. The proposed method is a combination of WSD (Wavelet Shrinkage Denoising) and HOS. To evaluate the performance of this method, we performed a comparative study with the other noise removal methods in literature including Principal Component Analysis (PCA), Singular Value Decomposition (SVD), WSD and HOS. The Signal-to-Noise Ratio (SNR) of the final result has been computed to compare the effectiveness of individual noise removal techniques. It is observed that a combination of WSD and HOS has better capability to remove the noise compared to that of the other applied techniques in the literature; especially it is found that it allows to distinguish efficiency the pedestrian and cyclist over the noise and clutters whereas other techniques are not showing significant result. In the recognition phase, we have exploited the data from the two approaches 1-D and 2-D, obtained from the detection method. In the first 1-D approach, Support Vector Machines (SVM) and Deep Belief Networks (DBN) have been used and evaluated to identify the target based on the radar signature. The results show that the SVM gives good performances for the proposed system where the total recognition accuracy rate could achieve up to 96,24%. In the second approach of this 1-D radar data, the performance of several DBN architectures compose of different layers have been evaluated and compared. We realised that the DBN architecture with four hidden layers performs better than those of with two or three hidden layers. The results show also that this architecture achieves up to 97.80% of accuracy. This result also proves that the performance of DBN is better than that of SVM (96.24%) in the case of UWB radar target recognition system using 1-D radar signature. In the 2-D approach, the Convolutional Neural Network (CNN) has been exploited and evaluated. In this work, we have proposed and investigated three CNN architectures. The first architecture is the modified of Alexnet model, the second is an architecture with three convolutional layers and one fully connected layer, and the third is an architecture with five convolutional layers and two fully connected layers. The performance of these proposed architectures have been evaluated and compared. We found that the third architecture has a good performance where it achieves up to 99.59% of accuracy. Finally, we compared the performances obtained using CNN, DBN and SVM. The results show that CNN gives a better result in terms of accuracy compared to that of DBN and SVM. It allows to classify correctly the UWB radar targets like cyclist and pedestrian.

La conduite d’un véhicule industriel est une activité professionnelle complexe qui s’exerce dans un environnement dynamique en constante évolution. Elle nécessite un apprentissage spécifique et se situe dans un cadre réglementaire strict, qui relève aussi bien du code du travail que de la réglementation routière. A ces caractéristiques s’ajoutent de fortes contraintes spatio-temporelles qui imposent aux conducteurs le recours à des stratégies opératoires pour répondre à l’objectif principal de leur activité : le respect des délais de livraison dans des conditions optimales de sécurité, de sûreté et de productivité.Cette thèse traite de l'apport de la psychologie cognitive à la conception de systèmes d'assistance à la conduite de véhicules industriels. Les travaux sont destinés à intégrer, dès la conception des nouveaux systèmes, les contraintes du fonctionnement cognitif humain en situation réelle, ainsi que les besoins et attentes des conducteurs, afin que leur soient proposées des solutions technologiques adaptées et utilisables.La partie appliquée illustre deux dimensions majeures de l'activité de conduite d'un camion : la productivité, au travers de la problématique de l'assistance à l'éco-conduite (projet Conduite Economique Assistée, ADEME- RENAULT TRUCKS) ; la sécurité, au travers de la problématique de l'assistance à la détection et à la protection des usagers vulnérables de la route (projet VIVRE2, ANR-PREDIT05-LUTB).D’un point de vue scientifique, la thèse aboutit à la proposition d’un modèle du fonctionnement humain dans les activités finalisées, complété par un modèle adapté à l’activité de conduite d’un véhicule industriel. Les analyses effectuées en situations réelles enrichissent les connaissances, d’une part, sur les stratégies de conduite appliquées à la conduite rationnelle d’un poids lourd en environnement extra-urbain, et, d’autre part, sur les composantes de l’activité des conducteurs qui effectuent des livraisons en milieu urbain. De plus, les travaux effectués dans le cadre du projet VIVRE2 ont permis de préciser les représentations et les comportements à risque des usagers vulnérables vis-à-vis des camions en ville.D’un point de vue applicatif et ergonomique, les travaux sur simulateur dynamique de conduite ont permis l’évaluation d’une interface homme-machine innovante qui pourrait être adaptée à l’éco-conduite, ainsi que la proposition et l’évaluation de systèmes d’assistance pour garantir la sécurité des usagers vulnérables lors des manœuvres à basse vitesse en milieu urbain. / Driving a truck is a complex professional activity that takes place in a dynamic and constant changing environment. It needs a specific learning and it is set in a strict regulated framework including French labour code (Code du travail) as road regulation. Strong spatio-temporal pressure should be added to those characteristics. These constraints entail to drivers the use of operative strategies to achieve the main objective of their activity: respect of delivery time in optimal conditions of safety, security and productivity.This thesis deals with the contribution of cognitive psychology to the design of driving assistance systems for trucks. Works are intended to integrate, from the design of new systems, the demands of human cognitive functioning in real situation and the needs and expectations of drivers so that adapted and usable technological solutions could be proposed to them.Applied part shows two major dimensions of truck driving activity: productivity through the issue of the eco-driving assistance (“Conduite Economique Assistée, ADEME- RENAULT TRUCKS” project) and safety through the issue of the assistance to detection and protection of vulnerable road users (“VIVRE2, ANR-PREDIT05-LUTB” project).From a scientific point of view, the thesis ends with a proposal of a model of human functioning in finalized activities, of which is added an adapted model of the truck driving activity. The analysis performed in real environment enhance knowledge, on the one hand, on the applied driving strategies to the eco-driving of a truck in extra-urban environment and, on the other hand, on the components of the activity of drivers doing deliveries in urban environment. Moreover, works performed in VIVRE2 project allowed to specify representations and risky behaviours of vulnerable users with relation to trucks in town.From an applicative and ergonomic point of view, works on driving dynamic simulator allowed the evaluation of an innovative man-machine interface which could be adapted to eco-driving and the proposal as well as the evaluation of assistance systems to guarantee safety of vulnerable users during low speed manoeuvres in urban environment.