Comprendre les mécanismes du comportement humain pour tirer profit des nouvelles technologies

À l'Institut d'innovation pour la société future de l'université de Nagoya, des chercheurs avant-gardistes explorent la manière dont les mécanismes comportementaux humains peuvent être compris pour bénéficier aux nouvelles technologies.

Objectif

À l'Institut d'innovation pour la société future de l'université de Nagoya, la division de recherche sur l'interface homme-machine et les caractéristiques humaines étudie la conception de l'interaction entre l'homme et les systèmes intelligents pour de nouvelles interfaces et de nouveaux services de mobilité. Ces chercheurs travaillent à l'introduction de nouvelles interfaces et de nouveaux services basés sur l'analyse des comportements des conducteurs au volant. Les solutions d'Eye tracking permettent à leurs chercheurs de reconnaître les mouvements cruciaux du regard des conducteurs sans aucune intrusion.

Méthode

Au Japon, les accidents de la route causés par des conducteurs âgés sont en augmentation. De plus, les voitures deviennent de plus en plus cruciales pour le maintien de leur indépendance dans leur vie quotidienne. C'est pourquoi l'Institut d'innovation pour la société future de l'université de Nagoya a proposé, dans le cadre d'une étude, un système conducteur-agent qui aide les conducteurs âgés et les encourage à améliorer leur conduite en général.

Dans le cadre de l'étude d'eye tracking, le laboratoire de l'université de Nagoya a rassemblé trente conducteurs et conductrices âgés de 50 à 76 ans afin d'observer leurs performances dans un simulateur de conduite à l'approche d'un panneau d'arrêt situé à un carrefour. Les données tirées de cette analyse ont permis de mettre en évidence les capacités de traitement de l'information visuelle, la fonction d'allocation de la conscience et le champ de vision.

Les chercheurs ont expérimenté l'utilisation de trois agents conducteurs distincts : un agent vocal, un agent visuel et un agent robotisé. Ces agents ont été appliqués dans des simulateurs, équipés d' Eye Trackers ou Oculomètres , offrant la même assistance aux conducteurs âgés afin de déterminer la version la plus efficace. Le simulateur présentait une situation de conduite avec un taux de collision élevé chez les conducteurs âgés, et les différents agents fournissaient des conseils de conduite dans la zone de danger. Les Eye trackers ou Oculomètres ont enregistré les données du regard afin de mieux comprendre la distraction du conducteur attentif.

Conclusion

Dans l'ensemble, les résultats de l'étude ont montré que, contrairement aux hypothèses initiales, l'agent robot conducteur était le plus efficace pour encourager des comportements de conduite sûrs et prévenir les accidents. Il était le plus visible, le moins intrusif et le plus acceptable pour la majorité des conducteurs âgés. Les points de fixation étaient les plus convergents dans la condition robot et le temps de regard correspondait à une durée très courte, ce qui implique qu'un agent similaire n'entraîne pas nécessairement une perturbation énorme de la conduite.

L'agent vocal seul a été le moins utile pour les conducteurs âgés, alors qu'il était supposé être le plus facile à remarquer. Il a provoqué le plus grand nombre de divergences dans le regard, ce qui peut indiquer que les conducteurs ne comprenaient pas les informations fournies et cherchaient instinctivement à en trouver la source.

Publications

Takahiro Tanaka, Kazuhiro Fujikake, Takashi Yonekawa, Misako Yamagishi, Makoto Inagami, Fumiya Kinoshita, Hirofumi Aoki, Hitoshi Kanamori (2018).

Study on Driver Agent based on Analysis of Driving Instruction Data - Driver Agent for Encouraging Safe Driving Behavior (1) .

Takahiro Tanaka, Kazuhiro Fujikake, Takashi Yonekawa, Makoto Inagami, Fumiya Kinoshita, Hirofumi Aoki, Hitoshi Kanamori (2018).

Effet de la différence de forme de l'agent d'aide à la conduite sur l'acceptabilité par le conducteur - Agent d'aide à la conduite pour encourager un comportement de conduite sûr (2)

Takahiro Tanaka, Kazuhiro Fujikake, Yuki Yoshihara, Nihan Karatas, Hirofumi Aoki, Hitoshi Kanamori (2020)

Étude préliminaire de faisabilité d'un agent de conduite dans un environnement automobile réel - Agent de conduite pour encourager un comportement de conduite sûr (3)

Takahiro Tanaka, Kazuhiro Fujikake, Yuki Yoshihara, Nihan Karatas, Kan Shimazaki, Hirohumi Aoki, Hitoshi Kanamori (2020).

Analyse de la distraction et de l'amélioration du comportement de conduite à l'aide d'un agent d'aide à la conduite pour les conducteurs âgés et non âgés sur les routes publiques