Study and modelling of drivers’ visual strategies during automated driving

Le comportement du conducteur, notamment ses stratégies visuelles, peut être modifié en situation de conduite automobile autonome, comparé à la conduite manuelle. Le premier axe de ce travail de doctorat porte sur l’adaptation des stratégies visuelles en conduite autonome. Pour ce faire, deux expérimentations ont été menées dans deux contextes routiers (route à virage et autoroute), avec des conducteurs devant superviser de manière continue ou partielle la scène de conduite. Les résultats montrent que les stratégies évoluent dans tous les cas vers un désengagement du regard de la route immédiate pour se diriger soit en amont pour plus d’anticipation (supervision continue en virage), soit vers des zones non pertinentes (supervision partielle sur autoroute). Le second axe de travail porte sur le lien entre les stratégies visuelles et la sortie de boucle des conducteurs, c’est-à-dire le désengagement progressif de la supervision au fil de la conduite autonome. Les résultats montrent qu’il est possible de prédire l’état du conducteur dans la boucle à partir de ses stratégies visuelles spontanées. Ces conclusions s’appuient sur un travail de modélisation statistique. Les modèles obtenus mettent en avant l’importance de considérer des indicateurs de la dynamique du regard pour prédire l’état du conducteur. Ces résultats s’inscrivent dans la perspective de la mise au point d’algorithme de détection du désengagement du conducteur dans les futurs véhicules autonomes.Driver behaviour, including visualstrategies, can be modified in autonomousdriving situations compared to manual driving.The first axis of this PhD work focuses on theadaptation of visual strategies in autonomousdriving. To this end, two experiments wereconducted in different road contexts (rural roadswith bends and motorway), with drivers havingto continuously or partially supervise the drivingscene. The results show that the strategiesevolve in all cases towards a disengagement ofthe gaze from the immediate road to moveeither upstream for more anticipation(continuous supervision on rural roads) ortowards irrelevant areas (partial supervision onmotorways).The second line of work deals with the linkbetween visual strategies and the out-of-theloopphenomenon, i.e. the gradual disengagementof the driver from supervision as hedrives in autonomous mode. The results showthat it is possible to predict the state of the driverin the loop from his spontaneous visualstrategies. These conclusions are based onstatistical modelling work. The resulting modelshighlight the importance of consideringindicators of gaze dynamics to predict thedriver's state.These conclusions are based on statisticalmodelling work. The resulting models highlightthe importance of considering indicators ofgaze dynamics to predict the driver's state.These results can be used to developalgorithms for detecting driver disengagementin future autonomous vehicles