6.2.2.2. Les traces analysées

Même après filtrage sur les types et sous-types d'observés, les traces collectées contiennent encore beaucoup d'observés inutiles. De plus, le niveau de description de l'activité est encore un niveau très technique. Ce niveau nécessite de comprendre des notions mathématiques d'analyse des courbes ainsi que d'interpréter les comportements élémentaires, tels que les directions de regard. Nous aimerions atteindre une description qui se situe au même niveau que celle que les conducteurs utilisent eux-mêmes pour décrire leur activité, c'est-à-dire un niveau de l'ordre de la psychologie du conducteur.

Pour cela les premiers aspects que nous pouvons modéliser sont le comportement longitudinal et latéral du véhicule à partir de la vitesse et de l'angle du volant. Concernant la vitesse, on constate de nombreux observés inutiles dans la trace collectées qui sont les Min et Max locaux pendant les phases de vitesse stable (Figure 75). Ils sont dus à des petites variations de la vitesse qui ne nous intéressent pas pour une étude des comportements tactiques. De même on constate des successions de Min_Variation et Max_Variation dans les phases d'accélération ou de décélération.

Pour l'analyse des changements de voie sur autoroute, nous aimerions avoir seulement des indicateurs de début et de fin de phases de vitesse stable, ainsi que des indicateurs début et de fin de phases d'ajustement de la vitesse. Ces phases d'ajustement correspondraient à des moments où le conducteur doit se synchroniser derrière un véhicule plus lent ou des moments où il reprend sa vitesse préférée en doublant un véhicule.

Figure 75 : Inférence d'observés de niveau 2 pour la vitesse

La Figure 75 montre la courbe de vitesse avec de nombreux min et max locaux qui se traduisent par de nombreux observés dans la trace collectée. Elle montre les observés de la trace analysée inférés à partir de la trace collectée. Les règles d'inférence utilisées sont données dans le Tableau 3. Elles se basent sur une ontologie dans laquelle les observés "Sart_Up", "Stop_Down", "Speed_Up", "Speed_Down", "Shift_Speed_Up", "Shift_Speed_Down" sont définis comme des sous-classes de "Speed_Change".

Tableau 3 : Règles d'inférence de vitesse

Observé	Description	Règle d'inférence
Stop	Le véhicule est arrêté	Vitesse inférieure au seuil de 5km/h
Start_Up	Accélération à partir de l'arrêt	De "Stop" vers un Max
Stop_Down	Décélération menant à l'arrêt	D'un Max vers "Stop"
Speed_Up	Accélération	D'un Min vers un Max avec un Max_Variation > 2m/s2 entre les deux
Speed_Down	Décélération	D'un Max vers un Min avec un Max_Variation < -2m/s2 entre les deux
Shift_Speed_Up	Ajustement de la vitesse vers le haut	D'un Min vers un Max avec un 1 > Max_Variation > 2m/s2 entre les deux
Shift_Speed_Down	Ajustement de la vitesse vers le bas	D'un Max vers un Min avec un -1 < Max_Variation < -2m/s2 entre les deux
Stable_Speed	Vitesse stable	Entre n'importe quelles sortes de "Speed_Change" ou "Stop"

Ces phases de la vitesse pourraient peut-être être produites par des algorithmes de traitement du signal appliqués directement aux données de vitesse brute. Cependant il ne s'agit pas de trouver des propriétés mathématiques générales des courbes mais de trouver des propriétés spécifiques d'une courbe de vitesse d'un véhicule qui soient intéressantes pour une analyse donnée. Ces règles d'inférences n'ont pas de fondement mathématique. Elles sont issues de notre souhait de mettre en évidence des accélérations et décélérations significatives. Les seuils de 1m/s2 et 2m/s2 qui apparaissent dans ces règles proviennent de notre observation de la trace collectée. Ils constituent une hypothèse de modélisation qui est à la fois exprimée et confirmée de manière satisfaisante par ces règles. Ces seuils pourraient être affinés à l'avenir, des conditions sur la pédale d'accélérateur ou de frein pourraient également être utilisées dans ces règles.

Nous avons défini les mêmes genres d'observés pour décrire les actions sur le volant, et les regards. De même que pour la production de la trace collectée, ce niveau d'abstraction implique des choix qui ne sont pas faciles à décider et pour lesquels nous pouvons difficilement trouver des arguments scientifiques à partir d'études antérieures. Nous devons donc les prendre comme des hypothèses que nous faisons de manière pragmatique par rapport à leur pouvoir de décrire l'activité. Pour cette confirmation pragmatique nous avons recours à la visualisation des traces sous AbstractXML.