Risk assessment by a passenger in an autonomous vehicle navigating among pedestrians

La perception du risque est un aspect crucial qu’il est nécessaire d’étudier dans le but de favoriser l’acceptation des véhicules autonomes dans des espaces partagés avec des piétons. Ce travail s’articule autour de trois contributions empiriques. La première contribution porte sur la possibilité de modéliser la dynamique de perception subjective du risque par le biais d’une réponse impulsionnelle. Les performances obtenues sont assez inégales et reflètent une grande variabilité interindividuelle dans la stratégie d’évaluation du risque. Les deux autres contributions mettent en évidence que la perception du risque peut se mesurer en temps réel et dans des interactions dynamiques complexes en s’appuyant à la fois sur des mesures subjectives et des mesures de réactions électrodermales. Les résultats de ces contributions sont basés sur une modélisation par réseau bayésien permettant d’analyser simultanément les relations entre facteurs dynamiques et mesures de perception du risque. Les conclusions de ces travaux apportent des éléments théoriques sur les liens entre les dimensions implicite et explicite du risque ressenti, ainsi que des éléments concrets permettant de prendre en compte le facteur humain dans le développement des comportements de navigation des véhicules autonomes.Risk perception is a crucial aspect that needs to be investigated in order to promote the acceptance of autonomous vehicles in shared spaces with pedestrians. This thesis is structured around three empirical contributions. The first contribution focuses on the possibility of modelling the dynamics of subjective risk perception using an impulse response. The performance obtained is rather uneven and reflects a large inter-individual variability in the risk assessment strategy. The other two contributions demonstrate that risk perception can be measured in real time and in complex dynamic interactions using both subjective and electrodermal response measures.The results of these contributions are based on Bayesian network modelling that allows for the simultaneous analysis of relationships between dynamic factors and risk perception measures. The conclusions of this work provide theoretical elements on the links between the implicit and explicit dimensions of risk perception, as well as concrete elements to take into account human factors in the development of navigation behaviors of autonomous vehicles