Une prédiction réaliste de la posture de conduite est requise tant pour la protection individualisée des conducteurs que pour la conception de véhicules, tout particulièrement lorsque des mannequins numériques (DHM) sont utilisés dans les premières phases de développement. Des plages étendues de réglage du volant et du siège sont disponibles dans les véhicules actuels, offrant aux conducteurs de nombreuses postures de conduite possibles. Ce travail de thèse vise à quantifier la variabilité intra- (i.e. la variabilité posturale pour un même conducteur) et inter-individu (i.e. la variabilité entre différents conducteurs), ainsi qu'à développer un modèle statistique de prédiction de posture de conduite. Les postures de conduite de 34 volontaires représentatifs de la population européenne ont été mesurées sur 5 véhicules différents. En faisant varier les ajustements initiaux du siège et du volant, une variabilité intra-individu de 22 ± 14 mm dans la direction longitudinale (x) et de 16 ± 12 mm dans la direction verticale (z) ont été observées pour la position du siège. En ce qui concerne la position du volant, une variabilité légèrement plus faible a été observée, 20 ± 15 mm en x et 13 ± 9 mm en z. La position du bassin dépend à la fois du type de véhicule et de l'anthropométrie du conducteur. Plus la hauteur d'assise du véhicule est basse, et plus le conducteur est grand, plus le siège est positionné bas et en arrière. Fait intéressant, l'angle du dossier par rapport à la verticale n'est affecté ni par l'anthropométrie du conducteur, ni par le type de véhicule. Un modèle statistique pour la prédiction de la posture de conduite basé sur les données expérimentales est proposé et comparé à d'autres modèles prédictifs existant. Les postures de conduite recueillies expérimentalement sont aussi comparées aux prédictions obtenues avec le mannequin numérique RAMSIS. Si l'on se base sur les valeurs de variabilité intra-individu pour la position des yeux et du bassin comme critère d'évaluation des prédictions de RAMSIS, seulement 16% et 30% des prédictions peuvent être considérées comme correctes. Différentes solutions pour améliorer les prédictions sont proposées
| Identifer | oai:union.ndltd.org:CCSD/oai:tel.archives-ouvertes.fr:tel-00948391 |
| Date | 15 November 2013 |
| Creators | BULLE, Jeanne |
| Publisher | Université Claude Bernard - Lyon I |
| Source Sets | CCSD theses-EN-ligne, France |
| Language | fra |
| Detected Language | French |
| Type | PhD thesis |
Page generated in 0.0018 seconds