euroFOT CEESAR_Presentation_20100526

EuroFOTPrésentation mi-parcours

CEESAR INRETS

26 mai 2010

Clément VALResponsable Département Expérimentations et Sciences du Comportement

CEESAR

Congestion

• 50 Md € / an

• 10% du réseau est embouteillé chaque jour

Efficacité énergétique et émissions

• 80% de l’énergie

• 85% des émissions

(transport routier / tous transports)

Sécurité

• 1.4 M d’accidents par an

• Environ 40 000 morts

• 2% du PIB

Plus de 90% des accidents causés par une erreur humaine

Biomécanique

AccidentologieAccidents

Matériels

Corporels

Mortels

Sécurité secondaire

Sécurité tertiaire

Sécurité primaire

Comportement

Education, expérience

Ergonomie

Support à l’attention

Systèmes d’alerte

Systèmes d’assistance

PrecrashSécurité secondaireSécurité tertiaire

Conduite naturelle & FOT

Comportement

www.eurofot-ip.eu

Consortium

euroFOT is a European Commission DG Information Society co-funded Integrated Project (IP)

Duration: 40 Months, from May 2008 until August 2011Total cost: !22 Million EC contribution: !14 Million

Contact: Project Coordinator: Aria Etemad, [email protected]

www.eurofot-ip.eu

Universities and Research Centres

European Center for Informationand Communication TechnologiesEICT GmbH

Other OrganisationsAutomotive SuppliersVehicle Manufacturers

Constructeurs

www.eurofot-ip.eu

Consortium




www.eurofot-ip.eu




Equipementiers

www.eurofot-ip.eu

Consortium




www.eurofot-ip.eu




Instituts de recherche

www.eurofot-ip.eu

Consortium




www.eurofot-ip.eu




Autres

Consortium

MAN

Volvo Trucks

Volvo Cars

VW

Fiat

Audi

LDW & IW

Volvo Cars

BLIS

CEESAR

SCS

Ford

CSW

BMW

Mercedes

SafeHMI

Volvo Trucks

FEA

Ford

MAN

Volvo Trucks

Volvo Cars

VW

Audi

ACC

50+ FEA Trucksauto-logging

1500 questionnaires to300 vehicles with LDW

Ford

MAN

Volvo Trucks

Volvo Cars

FCW

CAN + Video+ Extra sensors

CAN + Video

CAN Only

Data Loggers in Total

35

150

275

460

Centres d’essais

Function Identification& Description

Use Cases

Research Questions& Hypothesis

Performance Indicators & Study Design

Measures & Sensors

Data Acquisition

Database

Measures PerformanceIndicators

Data Analysis

Research Questions& Hypothesis Analysis

Impact Assessment

Socio-EconomicCost Benefit Analysis

Preparing Analysis

Driving

Legal & Ethical Issues

Partners

In-vehicle systems for driving support (Sub-project 2)ObjectiveseuroFOT is a European-wide large scale fi eld test involving 28 partners that have committed to test eight different in-vehicle functions. The fi rst objective of this sub-project is to provide common guidelines to the euroFOT project by 1) defi ning common scientifi c questions and 2) specifying all systems under examination. Further objectives of this sub-project are: to create the fi rst prototypes able to collect fi eld test data and to perform the pilot tests of the euroFOT project.

ApproachThe eight different in-vehicle functions tested in the euroFOT project have been identifi ed and will be described in detail. In total, 20 different systems will be under test. Differences and similarities among these systems will be taken into account in order to formulate common scientifi c questions to study the impact that these functions have on traffi c safety, effi ciency and on driver behaviour.

Following the common guidelines from this sub-project, each of the vehicle manufacturers will be in charge of creating the fi rst prototype vehicles. These prototype vehicles will be tested, according to a common procedure, in a pilot experiment before the real euroFOT data collection begins.

Expected results

and data analysis.

The euroFOT project needs clear objectives, unfailing installation, and a comprehensive pilot test ”Marco Dozza,Volvo Technology

Partners

In-vehicle systems for driving support (Sub-project 2)ObjectiveseuroFOT is a European-wide large scale fi eld test involving 28 partners that have committed to test eight different in-vehicle functions. The fi rst objective of this sub-project is to provide common guidelines to the euroFOT project by 1) defi ning common scientifi c questions and 2) specifying all systems under examination. Further objectives of this sub-project are: to create the fi rst prototypes able to collect fi eld test data and to perform the pilot tests of the euroFOT project.

ApproachThe eight different in-vehicle functions tested in the euroFOT project have been identifi ed and will be described in detail. In total, 20 different systems will be under test. Differences and similarities among these systems will be taken into account in order to formulate common scientifi c questions to study the impact that these functions have on traffi c safety, effi ciency and on driver behaviour.

Following the common guidelines from this sub-project, each of the vehicle manufacturers will be in charge of creating the fi rst prototype vehicles. These prototype vehicles will be tested, according to a common procedure, in a pilot experiment before the real euroFOT data collection begins.

Expected results

and data analysis.

The euroFOT project needs clear objectives, unfailing installation, and a comprehensive pilot test ”Marco Dozza,Volvo Technology

Méthode

Difficultés attendues

• Techniques

• Logistiques

• Ethiques et légales

• Scientifiques

Hélène TattegrainResearcher

INRETS / LESCOT

Conception du FOTEtude du limiteur et du régulateur de vitesse

Objectifs• Etudier les comportements réels de l’usage de systèmes de transport

intelligents en milieu écologique

• Avantages

• Nombreuses situations écologiques

• Usages réels : risque, détournement, appropriation

• Contraintes• Uniquement observation des comportements

• Opinion des utilisateurs globales

• Automatisation du recueil nécessaire

Méthode itérative pour la conception du FOT

Processus de conception du FOT

Que veut-on analyser

Que veut-on mesurer

Hypothèses de recherche

Comment peut-on le mesurer

Comment peut-on l’analyserIndicateurs de performance

Variables situationnelles

Plan d’analyse

Protocole expérimental Itératif

Description des hypothèses 1/4

• Déclaration spécifique liant une cause à un effet et basée sur un mécanisme liant les deux.

• Evaluée avec des moyens statistiques en analysant des indicateurs de performance spécifiques dans des scénarios spécifiques.

• Prévoie la direction du changement attendu.

• S= Sécurité, E= Environnement,

• U= Usage, A= Acceptabilité

• M= Mobilité, D= Comportement du conducteur,


• Raison :

Pourquoi évaluons-nous cette hypothèse ?

• Situations de Comparaison :

Situation qui sera utilisée pour la comparaison dans une analyse.1) Conduite de référence (AUCUN SL/CC) comparée à conduite avec systèmes (SL/CC disponibles)

2) Conduite avec systèmes comparée à une référence extérieure

(par exemple une base de données d'accident ou un modèle d'émission de CO2)

3) Conduite avec systèmes comparée entre type de conducteur différent ou situation routière différente

4) Avis du conducteur enregistré plusieurs fois

5) Conduite avec systèmes enregistrée plusieurs fois

• Cas d'Utilisation et Scénario1) N'importe quel scénario où la vitesse n'est au-dessus de 30 km/h

2) Aucun cas d'utilisation particulier

3) N'importe quel scénario


• Facteurs Contrôlés

facteurs constants dans une analyse

A - Activation-SL B - CC Activation

C - Caractéristique du conducteur (chercheur de sensation)

D - Type de Route E - Densité d'Intersection

F - Vitesse s'étend G – Météo

• Facteurs variables

non gardés constants dans une analyse, ayant de l'influence sur les résultats

a - Densité de trafic b - Type de Route c - Temps absolu (jour/semaine)

d - Météo e - Limitations de vitesse l – Pente de la route

f – Rayon de courbure g - Caractéristique du conducteur (chercheur de sensation)

k - Température du moteur m - Caractéristique de Conducteur (âge)

p - Caractéristiques du système q - Limitation de vitesse contextuelle

r – Nombre de km avec système activé


• Indicateur(s) de performance

Indicateur quantitatif ou qualitatif,

tiré d'une ou plusieurs mesures, convenues à l'avance,

exprimé comme un pourcentage, un index, une note ou une autre valeur,

contrôlé à intervalles réguliers ou irréguliers

peut être comparé à un ou plusieurs critères.

Exemple d’hypothèseDomaine U1

HypothèseLa fonction de SL sera utilisée plus sur des routes urbaines et des

routes avec beaucoup d'intersections.

RaisonRespecter la limitation de vitesse sans avoir a contrôler la vitesse en

zone urbaine

Situations de Comparaison

3) Conduite avec systèmes comparée entre situations routières différentes

UC/Scénario N'importe quel scénario où la vitesse est au-dessus de 30 km/h

Facteurs Contrôlés

A - SL Activation D – type de route G – MétéoE - Densité d'intersection F - Vitesse (vitesse > 30km/h)

Facteurs variables

a - densité de trafic q - limitation de vitesse contextuelle b - type de Route

Indicateurs de performance nombre de km avec le système activé

Hypothèses pour les deux systèmes1/2

• Comportement du conducteur

• L'utilisation SL/CC réduira la vitesse moyenne du véhicule

• L'utilisation SL/CC réduira le nombre d’excès de vitesse

• L'utilisation SL/CC augmentera le nombre de jerks importants

• Sécurité

• La pénétration importante des SL/CC diminuera le nombre d'accidents

• La pénétration importante des SL/CC diminuera la sévérité des accidents

• Usage

• Pour les CC/SL la vitesse choisie sera au-dessous de la vitesse légale pour des conducteurs « non-chercheurs de sensation »

• Pour les CC/SL la vitesse choisie sera juste au dessus de la vitesse légale (juste pour éviter des amendes) pour des conducteurs « chercheurs de sensation »

Hypothèses pour les deux systèmes 2/2

• Environnement

• L'utilisation SL/CC réduira la consommation de carburant et l'émission de CO2

• Acceptabilité• Le niveau d'acceptation et la confiance augmentera avec l'expérience du SL/CC

• L'utilisation du SL/CC augmentera le confort et le plaisir de conduire

• Certaines caractéristiques (fonctions) des SL/CC en termes de facilité d'emploi influenceront l'acceptation.

• Certaines caractéristiques(fonctions) du système SL/CC, en terme d'utilité, influenceront l'acceptation d'utilisateur ?

• SL/CC l'utilisation des système augmentera en fonction du temps.

• La charge de travail du conducteur diminuera en fonction du temps avec l'utilisation de système SL/CC.

• Les pratiques de l’utilisateur (heuristiques, règles) changeront en fonction du temps pendant le FOT.

Hypothèses spécifiques à un système

• Usage

• La fonction SL sera plus utilisée sur des routes urbaines et des routes avec beaucoup d'intersections

• La fonction CC sera utilisée plus sur autoroutes et sur routes avec peu d'intersections

• Sécurité

• L'utilisation CC augmentera le temps de réaction pour freiner

Indicateurs objectifs de performance 1/2

• Activation des systèmes

• Nombre de km avec le système activé

• Pourcentage de km avec le système activé

• Vitesse

• Distribution (moyenne speed ,écart type ,max)

• Evolution de la vitesse (distribution instantanée)

• Moyenne de la différence entre la vitesse et la vitesse limite

• Excès de vitesse

• Fréquence des excès/km

• Pourcentage de temps au dessus de la vitesse limite

• Moyenne des différences entre la vitesse et la vitesse limite

• Accélération• Fréquence du jerk longitudinal

• Position des pieds• Temps entre de début du mouvement et le début du freinage

• Pourcentage de temps avec les pieds sur les pédales d’accélérateur et de frein

• Distances moyenne, max et min entre la pied et la pédale de frein

• Consommation de carburant• Histogramme de consommation [par variable situationnelle. /événement]

• Moyenne de consommation (1) calculée total

• Moyenne de consommation (1) calculée par le moteur

Indicateurs objectifs de performance 2/2

Indicateurs subjectifs de performance

• Questionnaires

• Utilité perçue

• Satisfaction perçue

• Acceptabilité sociale, confiance perçues

• Efficacité perçue

• Facilité d’utilisation perçue

• Charge mentale subjective

• Usages déclarés

Plan expérimental • Besoins

• Beaucoup d’hypothèses mesurent une évolution

Nécessité d’une référence de conduite sans système

• Etalonner les indicateurs de performance

Nécessité de données vidéo

• Résultats quantitatif

Besoin d’une large période de recueil

• Contraintes

• Temps d’analyse, coût d’équipement , coût de stockage de données

5 véhicules suréquipés sur 1.5 mois et 35 véhicules moins équipés sur un an

Chaque participant aura les deux types de véhicules

Véhicule participant

Plan expérimental

M1 M2 M3 M4 M5 M6 M7 M8 M9 M10 M11 M12 M13 M14

7 vagues de 5 conducteurs

Véhicule suréquipé

Expérimentation

Référence



Que veut-on mesurer





Plan d’analyse


Guillaume Saint PierreChargé de Recherche

LIVIC (INRETS / LCPC)

Analyse de donnéesDe la base de données à l’analyse coûts-bénéfices



Que veut-on mesurer





Plan d’analyse


Plan

1. Introduction : Des données complexes pour des analyses multiples

2. Répondre aux hypothèses

3. Analyse globale des impacts

1. Méthode indirecte

2. Méthode directe

4. Planning

1. Des données complexes pour des analyses multiples

Cartographie

capteurs

video

quest

ionna

ires

Analyse d’impacts:

• Sécurité• Mobilité• EnvironnementBDD

Objectifs du projet EuroFOT

• Evaluer l’acceptabilité et l’utilisabilité du système.

• Analyser les effets sur le comportement de conduite, la charge mentale, et étudier les effets d’apprentissage.

• Identifier les effets des systèmes sur la sécurité, la mobilité et l’environnement.

• Mener une analyse socio-économique de type coût/bénéfice.

• Aucun précédent Européen sur l’analyse des FOT

• Des dizaines de milliers d’heures de route

• Quelques centaines (milliers) d’évènements à repérer, extraire et analyser

• Comment analyser un jeu de données gigantesque et déstructuré afin d’aboutir à une analyse coût/bénéfice fiable ?

Enjeux

2. Répondre aux hypothèses de recherche

Utilisation d’indicateurs reliés au phénomène étudié (Performance indicators, PI).

Analyses de variance (comparaison de moyennes avec/sans).

Approche descriptive qui moyenne le comportement des conducteurs selon les situations.

Description des situations à l’aide de variables (Type de route, nbre de voies, météo, niveau de congestion, limitation de vitesse etc.)

Calcul des PI

• PI objectifs

Obtenus grâce aux capteurs embarqués

Ils sont agrégés selon les situations de conduite

Les situations de conduite sont des combinaisons de variables de situation (type de route, limitation de vitesse etc.)

• PI subjectifs

Obtenus grâce aux questionnaires

Indicateurs globaux : Ne sont pas reliés aux situations de conduite

Test statistique d’une hypothèse

• Idée de fond :

Prendre une décision entre deux hypothèses

H0 : Il n’y a pas de différence avec/sans le système

H1 : Il y a une différence

Si les données mesurées lors du FOT « avec » système sont « significativement » différentes, on accepte H1.

Accepter H0 n’est pas une preuve que le système n’a pas d’effet…

• Quel seuil de significativité choisir ?

Exemple : Utiliser le CC réduit la consommation de carburant

• Facteurs contrôlés : Etat du CC, Densité de trafic

• Facteurs variables : Type de route, type de conducteur, vitesses limites, pente, température

• PI : Consommation en l/100km

• Méthode : Analyse de la variance

• Construction de tables différentes pour chaque facteur variable

• Cette approche ne tient pas compte de scenarios types : Les sommets de côte par exemple

Fuel consumptions during baseline

Baseline

Driver_1

Trip_1 L/100kmBaseline

Driver_1 ...

Baseline

Driver_1

Trip_n1 L/100km

Baseline

...

Baseline

Driver_k

Trip_1 L/100km

Baseline

Driver_k ...

Baseline

Driver_k

Trip_nk L/100km

Experiment

(only data with SL “on”)

Driver_1

Trip_n1+1

(split in different parts according to SL

usage)

L/100km

Experiment


Driver_1 ...

Experiment


Driver_1

Trip_n1’


usage)

L/100km

Experiment


...

Experiment


Driver_k

Trip_nk+1


usage)

L/100km

Experiment


Driver_k ...

Experiment


Driver_k

Trip_nk’(split in different parts according to SL

usage)L/100km

3. Impact global

• Objectifs

Analyser les effets de la fonction testée au niveau National/Européen,

Concernant l’impact sur le trafic, la mobilité et l’environnement.

Etudier plusieurs taux de pénétration.

Permettre une analyse coût/bénéfice.

• Impact sur le trafic

Effets directs : Temps de trajet, homogénéisation du trafic, réduction des congestions

Effets indirects : Réduction du nombre de situations accidentogènes liées aux congestions

• Impact sur la sécurité

Réduction du nombre de situations accidentogènes liées au système (modélisation).

Réduction de la gravité des accidents liés au système

• Impact sur l’environnement : Consommation et émissions de CO2

Liés aux effets du système

Liés aux effets indirects sur le trafic

Evaluations indispensables pour une ACB

Hypothèses communes nécessaires

Additional Hypotheses for impact assessment - Direct routeCAN Only Vehicles Fully instrumented Vehicles

Safety Function x decreases the average speed OK OK

Safety Function x decreases the variation in speed OK OK

Safety Function X decreases the share of critical THW OK OK

Safety Function X decreases the share of critical TTC OK OK

Safety Function X decreases the share of critical TLC OK

Safety Function X decreases the number of unintended line crossings OK

Safety Function X decreases the number of heavy steering jerks OK OK

Safety Function X decreases the frequency and duration of hard braking OK OK

Safety Function X decreases the frequency and duration of hard accelerationOK OK

Mobility Function X increases the number of trips OK OK

MobilityFunction X increases the number of vehicle km travelled (per road category) OK OK

Environment Function X decreases the fuel consumption per km OK OK

Différentes approches

• Méthode indirecte

Utilisation des données FOT comme entrée de modèle de comportement du conducteur

Modélisation des interactions avec les autres véhicules

Simule différents taux de pénétration

• Méthode directe

Utiliser directement les données issues du FOT

Projeter à l’échelle nationale en extrapolant les situations observées

Mais peu fiable pour des systèmes interagissant avec le trafic

Méthode indirecte : Simulation de trafic

• Pour la France : Utilisation de ITS Modeler (TNO).

• Permet de répondre aux questions environnementales, et d’étudier différents taux de pénétration.

• Une littérature abondante sur les mécanismes d’accident : TRACE, eIMPACT, AIDE, etc.

• Mais pas de consensus européen sur une méthodologie.

• Tentative de mettre en place une méthodologie nouvelle adaptée à chaque système.

Méthode directe : comment évaluer les effets sur la sécurité ?

Principe

• Evaluer l’impact sur la sécurité signifie transformer les données FOT (vit, TIV, etc.) en nombre de morts (et/ou blessés grâves).

• Impact sécurité = Proba d’accident * grâvité * exposition au risque

• Risque :

Risque d’accident = Proba d’accident * grâvité

• Comment déterminer ce risque ?

• Et l’exposition au risque ?

Plusieurs choix

• Utilisation de relations entre vitesse moyenne et risque/gravité (Nilsson)

• Détailler le risque d’accident selon les situation (combinaisons SV variables) et utiliser les BDD d’accident Européennes pour extrapoler (Matrices de risque)

• Etudier en détail chaque « type » d’accident potentiellement modifié par la fonction

Utilisation de modèles physiques

Détection des situations de conflits et de presque-accident

Problèmes

• Bases de données d’accident françaises insuffisamment détaillées, confidentielles, ou non-représentatives

Impossibilité d’extrapoler à partir des données FOT de type « conflits » ou presque accidents

• Usage intensif de la vidéo difficile pour la détection de conflits. Mais indispensable …

• Très grand nombre de situations de conduites différentes : risque de données insuffisantes

Pour SL/CC

• Tentative de combiner les différentes approches :

Détection des conflits et des presque-accidents

Approche moyenne (ex du LAVIA)

Matrice de risque (combinaisons de SV)

Simulation (ITS Modeler)

• Mais extrapolation à la France rendue difficile par manque d’information disponible.

4. Planning

• Mars 2010 : 1er concept méthodologique

• Avril-Mai 2010 : visite aux USA (VTTI, UMTRI, Volpe Center)

Six personnes expérimentées en accidentologie, sécurité routière, technique automobile, psychologie, facteurs humains, et statistique.

• Juin 2010 : second concept methodologique

• Sept 2010 : methodologie OK

• Fin 2010 : Outils prêts



Que veut-on mesurer





Plan d’analyse


Michael Regan, PhDResearch Director

INRETSAdjunct ProfessorChalmers University of Technology, Sweden

Subjective data collection in Field Operational Tests

Overview

• Objective data

• Subjective data

• Why is subjective data important in FOTs?

• The euroFOT questionnaire

• Conclusion

Objective Data• Objective data are observations that do

not involve personal feelings and which are based on observable facts

• eg vehicle speed, driver eye glance location, and time to collision.

• Objective data are derived from on-board sensors – such as radar, video, eye tracking systems etc and are recorded by a data acquisition system equipped to vehicle.

Subjective Data (1)

• Subjective data are observations that involve personal feelings, attitudes, and perceptions.

• eg subjective mental workload, perceived satisfaction, trust …

Subjective Data (2)

• Subjective data for Field Operational Tests are usually derived from three main sources:

- questionnaires

- interviews (with individual drivers)

- focus groups

Subjective Data (3)• In euroFOT, we are relying on a questionnaire to collect

subjective data :

- to ensure that the same data is collected in the same way by each of the vehicle management centres across Europe

- to minimize the time required to collect the required information

- to enable us to collect the information we need at specific points in time during the study

- to make it easier to aggregate and harmonize the analysis of the subjective data by the different VMCs

Why is Subjective Data Important?

• to obtain insights that cannot be obtained by objective methods

• to collect data that cannot, for technical reasons, be collected by the vehicle data acquisition system

• to understand why a hypothesis tested does not yield an expected result

• to test whether the systems under investigation have a differential effect on different driver sub-groups

• to understand why the system is effective

euroFOT questionnaire (1)

• The euroFOT questionnaire is divided into six parts.

• It is designed to collect subjective data that will enable us to answer, for each of the functions being evaluated, several specific questions.

• Subjective data will be collected before, during and after drivers have interacted with the systems - so we can assess changes over time eg changes in subjective mental workload and driver acceptance


why do drivers choose not to participate in the study?

what is the impact of the system on driver subjective mental workload?

Is the system acceptable to drivers?: perceived usefulness perceived satisfaction perceived social acceptability affordability trust perceived effectiveness perceived ease of use


What are the driver characteristics that could influence the impact of the systems on driving performance and behaviour? : Accident record Experience with in-vehicle technologies Experience with other technologies Attitude toward target behaviours Demographic data (eg age, gender) Personality (sensation seeking) Travel patterns (by road type/time of day) Driving behaviour (self reported targeted behaviours) Social influence (degree to which significant others influence the driver)


Do drivers misuse or abuse the systems – do they use the system in ways not intended by the designers of the system?

Do drivers intend to use the system after the study is over?

Does the way in which drivers interact with the system change over time? And how?

Conclusions

There are 3 main challenges for euroFOT in collecting subjective data using questionnaires.

Questionnaires need to be short, as previous experience with FOTs has shown that drivers will not complete them if they are too long, or if there are too many .

The Field Operational Test is a maturing methodology, and for some information that we wish to collect in euroFOT there currently exist no valid, reliable and standardised measures. We had to develop our own measures.

The questionnaires must be designed so that data that are collected can be easily analysed.

Logistique

Recrutement

• Réseau Renault

• 35 conducteurs > 5 conducteurs par vague

• Véhicules neufs (Clio & Laguna)

• 30-59 ans (puis 25-30 ans si nécessaire)

• Hommes - Femmes

• Ouest de la région parisienne

• Kilométrage / an > 15 000

Protocole expérimental

M1 M2 M3 M4 M5 M6 M7 M8 M9 M10 M11 M12 M13 M14

7 vagues de 5 conducteurs

Protocole expérimental

A fait l’objet de deux procédures liées aux aspects éthiques et légaux auprès de :

• la CNIL

• du CPP Ile de France II

Protocole expérimentalRecrutement 10 s 2 s 16 s 2 s 16 s 2 s

Achat Livraison


Achat Livraison

Entretien téléphonique (20’)• Conformité avec les critères d’inclusion• Rendez-vous pour le recrutement


Achat Livraison

Rendez-vous 1 : Recrutement (2h00)• Présentation de CEESAR / INRETS et de EuroFOT• Présentation de l’instrumentation• Présentation et signature des documents conducteurs• Prise du prochain rendez-vous

Accords avec le participant

• Notice d’information

• Consentement libre et éclairé

• Formulaire d’accord de participation

• Autorisation d’utilisation d’image

• Conditions générales de prêt de véhicule


Achat Livraison

Rendez-vous 2 : Instrumentation (4h30)• Instrumentation• Questionnaire Time 1• Explication: hotline, équipements• Formation RV/LV• Prise du prochain rendez-vous


Achat Livraison

Rendez-vous 3 (20’)• Permutation des véhicules > véhicule CEESAR• Prise du prochain rendez-vous


Achat Livraison

Rendez-vous 4 (40’)• Permutation des véhicules > véhicule personnel• Questionnaire Time 2• Prise du prochain rendez-vous


Achat Livraison

Rendez-vous 5 (20’)• Permutation des véhicules > véhicule CEESAR• Prise du prochain rendez-vous


Achat Livraison

Rendez-vous 6 (40’)• Permutation des véhicules > véhicule personnel• Questionnaire Time 3• Prise du prochain rendez-vous


Achat Livraison

Rendez-vous 7 (40’)• Permutation des véhicules > véhicule CEESAR• Prise du dernier rendez-vous• Démontage de l’instrumentation


Achat Livraison

Rendez-vous 8 (60’)• Récupération du véhicule CEESAR• Questionnaire Time 4• Débriefing

Logistique

• Hotline

• Scénarios de défaillance pour l’ensemble du système «FOT»

‣ Actions à entreprendre par le CEESAR et/ou le participant

Edwin Land1909-1991

« Don't undertake a project unless it is manifestly important and nearly impossible »

Instrumentation

Requis

• Bas coût

• Quasi invisible

• Fonctionnement autonome

• Données protégées

• Télétransmission des données

• Homologation

Objectifs

BDD géographique

Interdistance

35 véhicules clients«CAN, GPS»

5 véhicules Ceesar«CAN, GPS, Video,

Radar»

Instrumentation légère Instrumentation intégrale

+ +Position des pieds

Suivi de voie

Suivi du regard

Instrumentation

ECU ECU

ECUECUDATALOGGER

Légère

Datalogger

• architecture ARM

• 4 CAN, GPS, RS232, USB, carte SD

• Modem Data GPRS

• OS : Linux

• Applicatif : C / Python

Radar

• TRW / Autocruise AC20

• Gyromètre intégré

• Lentille noire

• Montage mécanique par bridage

Intégration

Instrumentation

ECU ECU

ECUECU

Intégrale

VIDEOLOGGER DATALOGGER

Légère

Videologger

• Embarquable

• Autonome

• Abordable

• Au moins 4 canaux

• Fichiers facilement exploitables

• synchronisation précise à l’image

• Autonome

• Fichiers facilement exploitables

• synchronisation précise à l’image

Videologger

• PC embarquable, 80Go

• Encodeur IP, 4 voies

• Format H.264

• OS : Windows XP

Cameras

• N&B

• CCD SuperHAD Ex-view

• Objectifs interchangables

Cameras

Synchronisation

< 40 ms

Position des piedsSolution LIVIC

Position sur la voieMobileye AWS

Instrumentation

ECU ECU

ECUECU

Intégrale : eyetracker ?

VIDEOLOGGER DATALOGGER

Instrumentation

BDD géographique

Interdistance

35 véhicules clients«CAN, GPS»

5 véhicules Ceesar«CAN, GPS, Video,

Radar»

Instrumentation légère Instrumentation intégrale

+ +Position des pieds

Suivi de voie

Suivi du regard

Intégration(Souvenirs)

Intégration

Gestion de données

1000

Mo / h h / Mois VéhiculesMois

80 12 5

14

25

80

80

13,5

12

35

5

60 80 13,5 40

Objectifs• Robustesse

• Efficacité

• Qualité

• Interactivité

• Généricité & Exhaustivité

• «Scalabilité»

serveur d’applications

flotte

base dedonnées

clusterclient clientclient

Architecture

Tâches

• Télétransmission

• Conversion

• Synchronisation et harmonisation

• Traitement

• Visualisation & annotation

• Stockage

• Analyse

SOAP Interface

Management GUI

Fleet Manager

Upload Processor

Diagnostic Crossbar

Configuration Manager

Télétransmission

CMS CORE

Conversion ToolSynchronization

Tool

DATA MANAGER

SOAP Interface

Management GUI

Fleet Manager

Upload Processor

Diagnostic Crossbar


Conversion & Synchronisation

CMS CORE

Conversion

NAVTEQ

Conversion Tool

Configuration

DBC

Conversion

Fichier Matlab Standard

Synchronisation

Synchronization Tool

Synchronisation

Synchronization Tool

Configuration

Synchronisation

Fichier Matlab Harmonisé

Modèle de données

Modèle de données

• Signaux

• Evénements

• Situations

• Scalaires

Traitement

Signaux Evénements Situations Scalaires

A1 A2

A3

A5 A6

Traitement

Signaux Evénements Situations Scalaires

Données agrégées

Modèle de données

Traitement

StockageTrajets

Situations

Evénements

Signaux

Conducteurs

Véhicules

Descriptiondes signauxDescription

des événements

Descriptiondes événements

Descriptiondes process

AnalyseTrajets

Situations

Evénements

Signaux

Conducteurs

Véhicules

Descriptiondes signauxDescription

des événements

Descriptiondes événements

Descriptiondes process

Processus

Preprocessing

Traitement

Stockage

Analyse

Processus complexe

Modèle de donnéesModèle de donnéesModèle de données

• Nouvelles versions d’algorithmes...

• Nouveaux signaux dérivés...

• Nouveaux types de données agrégées, nouveaux attributs...

➡ Evolution du modèle de données, pendant et après l’expérimentation

Processus complexe

• Création manuelle, validation, invalidation des évènements.

• Edition interactive d’attributs des évènements.

➡ Conflit avec l’évolution des algorithmes de classification ?

Processus complexe

• Plusieurs analystes / codeurs travaillent en même temps.

• Chaque itération peut être très coûteuse en calcul.

Processus complexe assisté ?

• Automatiser les tâches et éliminer tout calcul redondant (dépendance, contrôle de version)

• Donner un cadre strict aux tâches manuelles (évolution du modèle, annotation...), contrôler et automatiser leur impact.

• Prendre en charge l’assurance qualité

Processus complexe assisté

FRAMEWORK


Tool

SOAP Interface

Management GUI

Fleet Manager

Upload Processor

Diagnostic Crossbar


DATA MANAGER

CMS CORE


Tool

Diagnostic Crossbar


DATA MANAGER

CMS CORE

DATA MANAGER

CMS CORE

DATA MODEL

PROCESSING FRAMEWORK

Trip visualization & annotation

Trip Model FrontendUser defined algorithms

SQL Interface

DATA MODEL

PROCESSING FRAMEWORK

Trip Model FrontendUser defined algorithms

Objectifs• Robustesse

• Efficacité

• Qualité

• Interactivité

• Généricité & Exhaustivité

• «Scalabilité»

• Observation des usages du système de transport. (Globalité: pas seulement safety, pas seulement véhicule)

• Puissance statistique & observation des évènements rares

• Industrialisation des outils et méthodes

• Contrainte au pragmatisme et au réalisme, pour les concepteurs comme pour les chercheurs (Expérimentation sur le terrain de concepts matures)

• Concevoir le système «euroFOT», c’est :

- Mettre en place une flotte de véhicules connectés

- Rapatrier, et traiter en quasi temps réel des données concernant les véhicules, la conduite et l’environnement

- Fusionner ces données à celles émanant d’autres bases (par exemple : données cartographiques)

- Utiliser les indicateurs obtenus comme entrée de modèles de trafic afin d’obtenir des prédictions.

= toutes compétences techniques et conceptuelles nécessaires à la mise en place d’un ITS

• Innovation ~= technologie (expérimentations sur le terrain permettent d’identifier aussi les freins non technologiques)

• Aujourd’hui couteux mais :

- mutualisable

- technologie (presque) gratuite

- voiture connectée = réalité

• Excellent support de comm’ grand public

Diagnostic du système de transport

produit A produit B produit C

Les compétences développées permettent l’évaluation de produits

produit «ITS»

Diagnostic du système de transporttemps réel

Les compétences développées sont également au coeur de produits futurs

Alan Kay1940-

« The best way to predict the future is to invent it »

euroFOT CEESAR_Presentation_20100526

Documents

Transcript of euroFOT CEESAR_Presentation_20100526