Modèle d'IA identifiant les sources du stress des conducteurs, ouvrant la voie aux assistants de conduite intelligents En 2024, 1 040 accidents ont été enregistrés sur les routes espagnoles, en plus de collisions mineures et d'autres problèmes liés à la conduite. Les causes de ces accidents comprennent la vitesse excessive, les conditions météorologiques défavorables et l'usage de substances illicites, mais aussi les distractions et les situations stressantes que l'on peut atténuer en améliorant la conception des infrastructures, les technologies de conduite et les politiques de sécurité routière. Une étude menée avec la participation de l'Universitat Oberta de Catalunya (UOC) analyse comment les éléments visuels influencent le niveau de stress des conducteurs et identifie les facteurs qui nuisent à leur expérience de conduite. Les conclusions de cette recherche, publiées dans IEEE Transactions on Affective Computing, ouvrent la voie au développement d'assistants de conduite intelligents ainsi qu'à l'aménagement de rues urbaines qui réduisent les déclencheurs de stress. Importance du paysage routier comme facteur de stress Les éléments que nous voyons sur les routes et dans les zones environnantes sont une cause majeure des accidents de circulation et ont un impact significatif sur le bien-être et la santé des conducteurs qui utilisent quotidiennement leur véhicule. Plusieurs études récentes se sont donc penchées sur les facteurs de stress chez les conducteurs. Cependant, la plupart de ces études se concentraient sur des signaux physiologiques, l'analyse faciale ou des enregistrements des manœuvres du véhicule. L'étude de l'UOC, dirigée par la chercheuse Cristina Bustos du groupe d'Intelligence Artificielle pour le Bien-Être Humain (AIWELL), se distingue des précédentes par son exclusif focus sur l'aspect visuel. Elle examine comment le contexte visuel de la conduite affecte le niveau de stress du conducteur, fournissant une source de données supplémentaire pour son évaluation. Méthodologie et conclusions L'équipe de l'UOC a utilisé des modèles d'IA capables d'évaluer simultanément les conditions de circulation, la présence de piétons et les caractéristiques de l'environnement urbain en situation réelle. Pour ce faire, plusieurs modèles d'apprentissage automatique de complexités variées ont été mobilisés, notamment les machines à vecteurs de support (SVM), les réseaux neuronaux convolutionnels (CNN) et les réseaux de segments temporels (TSN). "C'est la première fois que l'on analyse le contexte visuel de la scène routière sans prendre en compte d'autres signaux. Notre approche étudie le contexte de la route, analyse comment l'environnement de conduite affecte le stress du conducteur et aide à le prédire," a déclaré Bustos. L'analyse du modèle d'IA a révélé que la présence de piétons et de véhicules en mouvement, en particulier les plus grands comme les camions, sont parmi les facteurs générant le plus de stress. En outre, des éléments urbains tels que des panneaux de signalisation, des affiches publicitaires et des passages piétons peuvent également distraire les conducteurs, augmentant la complexité de leur expérience et leur charge cognitive. "Cette information complétative est essentielle pour une meilleure compréhension des facteurs influençant les niveaux de stress et des moyens par lesquels la conception urbaine peut impacter la sécurité routière. Notre étude démontre pour la première fois l'importance du contexte visuel dans la collecte de données sur le stress," a ajouté Bustos. Applications pratiques potenciales Ces conclusions peuvent servir de guide pour la conception d'infrastructures urbaines et l'élaboration de politiques visant à réduire les facteurs de stress. Par exemple, elles pourraient servir d'inspiration pour améliorer la signalisation, optimiser les systèmes de gestion de la circulation dans les zones congestionnées ou concevoir des intersections plus sûres. "En identifiant les éléments les plus stressants, les planificateurs urbains et les autorités de circulation peuvent采取措施减轻这些影响，从而提高道路安全性," Bustos explique. L'étude pourrait également conduire au développement de systèmes d'assistance à la conduite capables de surveiller l'environnement en temps réel et d'alerter le conducteur ou d'activer des mécanismes de sécurité lorsqu'ils détectent des conditions potentiellement stressantes. "Actuellement, il n'y a pas de projets immédiats pour appliquer concrètement l'étude, car elle a été menée auprès d'un nombre limité de conducteurs. Cependant, les résultats offrent une base prometteuse pour poursuivre la recherche dans ce domaine et explorer son application aux systèmes d'assistance à la conduite," ajoute Bustos. Étapes suivantes L'étape suivante de cette ligne de recherche est d'élargir et de diversifier les données, d'explorer des modèles multimodaux intégrant d'autres types de données non invasives (comme des informations sur le véhicule) et de raffiner les techniques d'interprétation de l'IA pour mieux comprendre les mécanismes sous-jacents au stress des conducteurs. Selon Javier Borge, chef du groupe de systèmes complexes (CoSIN3), ces avancées peuvent contribuer à réduire considérablement le nombre d'accidents de la route en offrant des insights précieux sur les conditions visuelles de conduite. Cette étude met en lumière l'importance croissante de l'IA dans l'amélioration de la sécurité routière et pourrait inspirer de futurs projets de recherche et de développement dans l'industrie automobile. L'Universitat Oberta de Catalunya (UOC) est une université en ligne située à Barcelone, Espagne, connue pour ses recherches innovantes en intelligence artificielle et en santé numérique. Le groupe AIWELL de l'UOC, affilié au laboratoire de recherche sur la santé numérique et le bien-être, se consacre à l'étude de l'impact de l'IA sur le bien-être humain. Les contributions de ce projet s'inscrivent dans cette continuité, explorant des solutions technologiques pour améliorer la qualité de vie des conducteurs.