Détection des usagers vulnérables avec les ADAS dans les bus

Point d’étape sur la recherche en cours concernant l’efficacité des systèmes d’identification des usagers vulnérables pour aider les conducteurs de bus.

mannequin en test de détection par les bus

Crée le 17/04/20

Avec un trafic piéton de plus en plus important dans les zones urbaines et le déploiement de nouveaux engins de mobilité (trottinette, hoverboard, segway…), les opérateurs de transports constatent une augmentation du nombre d’accidents matériels déclarés avec un tiers.

Pour un opérateur de transport, la sécurité des piétons aux abords du bus et celle des passagers à bord du bus est le problème majeur auquel un conducteur doit faire face. Pour le conducteur de bus ou de tramway, la charge cognitive inhérente à leur sécurisation est lourde. Par ailleurs, la présence d’angles morts ne facilite pas cette tâche de surveillance de l’environnement routier et ce phénomène est parfois accentué par la présence de passagers sur la plateforme avant des bus. Pour ces différentes raisons, les conducteurs sont en demande de systèmes d’assistance leur permettant d’assurer plus efficacement ce contrôle.

Une étude pour valider les capacités des technologies de détection

L’étude réalisée par l’Université Gustave Eiffel, mandatée par KEOLIS a pour objectif d’explorer l’efficience des systèmes de détection des usagers vulnérables lorsqu’ils sont utilisés en situation urbaine et d’éclairer la question des interactions-homme-machine afin d’identifier des pistes pour alléger la charge cognitive des conducteurs.

Les dispositifs installés doivent faciliter la prise d’information par le conducteur, notamment la détection des collisions potentielles, et lui permettre de mieux garantir la sécurité des usagers de la route et de ses passagers. Les systèmes doivent ainsi aider les conducteurs de bus à déceler la présence d’un usager vulnérable et les alerter lorsqu’une intervention urgente est requise. Cette étude se focalise sur les différentes phases critiques de conduite (franchissement d’intersections ; conduite le long de pistes cyclables ou aux abords des pôles d’échange).

Les objectifs secondaires de cette étude sont d’identifier pour les conducteurs les niveaux
d’utilité, d’utilisabilité, d’acceptabilité et d’appropriation pour ces deux systèmes en :

  • analysant la perception des conducteurs de bus utilisant les deux systèmes dans le but d’identifier les points forts, les risques d’erreurs, les pistes d’améliorations possibles, ainsi que les conditions facilitantes pour intégrer un nouveau système ;
  • évaluant le niveau de confiance et d’utilité des systèmes par les conducteurs.

Deux systèmes ont été testés :

  • le premier basé sur la technologie LIDAR (détection est estimation de la distance par système laser) ;




  • le second utilise une technologie basée sur l’image.




Protocole de test

Afin de vérifier à tout instant les circonstances et le contexte dans lesquels les systèmes fournissent ou pas des alarmes, plusieurs caméras externes ont été positionnées à l’extérieur du bus et dans le poste de conduite, avec un enregistrement continu.



L’analyse de l’activité des conducteurs est réalisée en temps réel et enrichie en deux étapes en temps différé. Des observateurs sont placés à l’intérieur du bus afin d’identifier la présence d’usagers vulnérables qui n’auraient pas été détectés par le système ou alors d’identifier leurs dysfonctionnements éventuels.

Six scénarios ont été mis en œuvre :

     1. Départ du bus à l’arrêt puis virage à droite alors qu’un cycliste remonte le long du bus à la vitesse de 20 km/h.
    2. Le bus est lancé à 15 km/h environ et il tourne à droite alors qu’un cycliste remonte le long du bus à 20 km/h. Le scénario 2 bis est identique mais le bus tourne à gauche.
    3. Le bus est lancé à 15 km/h environ et il tourne à gauche alors qu’un piéton traverse l’intersection (deux scénarios similaires ont été testé : le piéton se trouvant dans le sens du bus et dans le sens opposé).
    4. Le bus arrive à 15 km/h sur un véhicule à l’arrêt.
    5. Le bus s’apprête à traverser tout droit une intersection (avec des vitesses d’approche variables entre 5 et 15 km/h) alors qu’un piéton enfant (1m20) arrive à 8km/h.
    6. Le bus avance alors qu’un cycliste est présent sur les côtés du bus (les côtés gauche et droit ont été étudiés).

Le manque de fiabilité est pour l’instant rédhibitoire

La notion de fiabilité est centrale pour l’appropriation et l’acceptabilité des systèmes or ces premiers tests n’ont pas été concluants.
En effet, les faux positifs, c’est-à-dire les alarmes générées alors qu’il n’y a pas de situation de danger de l’avis des conducteurs, sont beaucoup trop nombreuses. 

Le système fonctionnant avec le Lidar ne fait pas la distinction entre un élément mobile, immobile, un usager vulnérable ou un poteau par exemple. En effet, le système alerte le conducteur d’une présence autour du bus ou d’une collision éventuelle et ce, peu importe la nature de la cible.

Pour les alertes de présence, nous les avons comptées, puis nous avons différencié les alertes pour un élément inerte et immobile (panneau, poteau, voiture garée, mur, barrière de travaux …) des alertes pour un élément mobile mais non vulnérable (voiture sur la route, bus …) ou encore des alertes pour un usager vulnérable (piéton, vélo, trottinette …). Ainsi, sur 757 alertes de présence, 515 concernent des alertes sur éléments inertes, 110 des éléments mobiles non vulnérables et seulement 132 des usagers vulnérables.



L’acceptabilité du système par les conducteurs parait compromise pour deux raisons principales. La majeure partie des informations semble inutiles au conducteur. Dès lors, le conducteur en tâche de conduite en circulation commerciale n’a pas le temps de faire la différence entre des informations utiles et des informations inutiles. La seconde raison est que même en cas d’information utile, l’information arrive de façon trop tardive la majeure partie du temps et ne permet pas de réagir en situation d’urgence.

Avec le système optique, les caméras intelligentes permettent un pré-traitement de l’image et de différencier les différents usagers. Ainsi, le système est normalement en capacité de différencier un usager vulnérable, d’un élément inerte ou d’un autre usager de la route non vulnérable. Alors, le système va prioriser les interactions avec les usagers vulnérables et alerter le conducteur surtout quand la cible est un usager vulnérable.

Dans ces conditions, l’analyse des séquences vidéo, a consisté à identifier les Faux positifs (alerte alors que pas de danger) et des Faux négatifs (pas d’alerte alors que danger présent). Sur 117 alertes de présences, 39 apparaissent comme des faux positifs, chiffre subjectif et minimisé, car en cas de doute, la sécurité prédomine et les alertes ont été considérées comme de vrais positifs.
Ainsi, on peut conclure que la fiabilité du système est à parfaire et que sans cette fiabilité, il parait impossible que le conducteur accorde sa confiance au système et l’utilise à bon escient.

Conclusions et pistes d’évolution

De ce qui précède, il est visible que les technologies testées ne présentent pas une performance suffisante pour une installation dans des bus circulant en situation commerciale, dans un environnement sans doute plus complexe que celui mis en place pour les tests.

Les capteurs (LIDAR ou caméra) sont globalement assez fiables, même s’ils présentent des faiblesses dans certaines conditions (météo, luminosité, objets inertes, etc.). En revanche, les algorithmes de traitement et d’interprétation restent largement à améliorer. Les conducteurs n’apprécieront ces systèmes qu’à partir du moment où l’information délivrée sera fiable et ils permettront une réduction de la charge cognitive pour assurer la sécurité à la fois des passagers et des personnes extérieures.

A voir aussi