STI : Systèmes de Transports Intelligents

L’équipe s’intéresse aux enjeux liés aux services, systèmes et infrastructures de transports pour une mobilité plus sûre au travers des trois composantes du système : l’infrastructure, les usagers et les véhicules. Elle adresse des questions de sécurité, d’exploitation, de mobilité durable et d’énergie liées aux évolutions technologiques : la route du futur, la révolution numérique, les aides à la conduite, les véhicules autonomes...

Enjeux de société

L’action de l’équipe vise à répondre aux enjeux des politiques publiques œuvrant dans les domaines de la mobilité, du numérique, des transports, des infrastructures, de la sécurité routière et de la cohésion des territoires. La mobilité des biens et des personnes constitue un élément essentiel de la vie des individus et de notre société qui est face à des défis en termes de mobilité et d’innovations technologiques.

Pour préparer la mobilité de demain, nous devons :

  • anticiper les problématiques liées au développement des STI, à la mobilité numérique et à l’automatisation des véhicules ;
  • participer à la réduction de l’insécurité routière en exploitant les opportunités des mégadonnées pour prévenir les accidents et anticiper les enjeux de demain ; • être au cœur de l’innovation et accompagner l’appropriation des innovations technologiques ;
  • contribuer au développement et à la cohésion des territoires durables et résilients.
Problématique scientifique

Les travaux de l’équipe portent sur les Systèmes de Transports Intelligents adossés à l’infrastructure de transport, ou plus largement, les systèmes de gestion des déplacements à l’échelle des territoires. Dans une approche systémique de la mobilité des biens et des personnes, l’équipe prendra en compte les bouleversements attendus par l’introduction des véhicules autonomes, ou à délégation de conduite au sein des systèmes de transport. Elle approfondira les questions de l’impact de ces nouvelles technologies sur le comportement humain, et en évaluera les performances afin d’accompagner son déploiement progressif.

Sa recherche est articulée autour de deux axes scientifiques :

  • Axe 1 – vers des infrastructures plus sûres et efficientes pour la mobilité du futur ;
  • Axe 2 – vers l’automatisation de la conduite.

Les recherches relevant de l’axe 1 visent à contribuer à l’amélioration des systèmes de transports intelligents en adoptant une approche à trois niveaux :

  • le premier niveau s’intéresse à l’observation de l’infrastructure via le réseau de capteurs associé, avec l’objectif de proposer des approches innovantes pour en déduire son usage, son état ou sa sécurité ;
  • le deuxième niveau tire profit de la connaissance acquise sur l’infrastructure pour proposer des solutions d’aide à la décision visant à mieux organiser, planifier et prévoir son utilisation ;
  • le troisième niveau adopte une approche plus prospective et s’attache à penser l’infrastructure de demain, qu’elle soit concrète ou virtuelle.

Les recherches inscrites de l’axe 2 vont s’intéresser aux bouleversements induits par l’introduction des véhicules à délégation de conduite et des véhicules autonomes au sein des systèmes de transport. Pour aborder cette problématique, la démarche retenue dans cet axe de travail va s’appuyer sur les niveaux d’automatisations de la conduite définis par le SAE (Society of automotive Engineers) pour se décliner en trois sous-axes de recherche :

  • le premier sous-axe s’attachera à mieux connaître le comportement humain en l’absence d’automatisation ;
  • le deuxième s’intéressera aux nouvelles interactions liées à l’automatisation de la conduite et à sa connectivité ;
  • le troisième portera sur l’évaluation des véhicules autonomes, sur les aspects technologiques, et, dans le cadre de projets de déploiement de véhicules autonomes.

La complémentarité entre ces deux axes de recherche, qui ont chacun une composante science humaine et sociale, permettra à l’équipe de se positionner sur une grande variété de sujets en lien avec les STI. Les principaux enjeux sont :

  • le recueil et l’expertise de données générées par la mobilité numérique ;
  • la production d’information et d’algorithme d’aide à la décision pour organiser, planifier et prévoir l’utilisation d’un système de transport intelligent ;
  • la conception et l’évaluation multidimensionnelles de solutions technologiques innovantes pour la mobilité de demain et son infrastructure ;
  • la prise en compte des facteurs humains afin de connaître et prédire les comportements des usagers ;
  • la prise en compte des conditions opérationnelles dégradées pour une meilleure robustesse des systèmes de transport
  • l’impact des véhicules autonomes sur la mobilité du futur.

Les principaux verrous scientifiques identifiées :

  • le développement de technique de traitement de grandes masses de données (« big data ») issues de la mobilité numérique ;
  • la modélisation d’indicateurs associés aux performances d’un système de transport intelligent;
  • la mise au point de méthodes d’apprentissage approfondi pour identifier des situations ou événements précis dans de grandes masses de données ;
  • la conception de méthodes de détection et d’analyse robustes en conditions dégradées ;
  • le développement d’outils expérimentaux et de modélisation des nouveaux services apportées par l’infrastructure de transport, tant sur le plan énergétique que sur le plan digital ;
  • l’évolution des outils statistique de mesure du risque routier individuel ;
  • le comportement du conducteur, ou plus généralement de l’usager lors d’une mobilité par véhicule autonome ;
  • la conception de méthodologies d’évaluation d’un véhicule autonome ;
  • l’accompagnement du changement chez les personnes vulnérables, les exploitants ou les utilisateurs du système de transport.
Résultats attendus

Les résultats visés sont de diverses natures: il peut s’agir d’outils, de méthodologies, d’algorithmes, d’apport de connaissances. On peut citer :

  • Algorithmes pour la surveillance et la détection des comportements humains dans les milieux très confinés ; • Algorithmes pour la détection des situations potentiellement dangereuses aux passages à niveaux ;
  • Algorithmes pour la mesure météorologique par caméra et évaluation des dispositifs en bord de voie en conditions météorologiques dégradées ;
  • Modélisation multispectrale de la transmission de la lumière dans le brouillard, et validation expérimentale dans les gammes de capteurs ADAS ;
  • Définition des cas d’usages et d’indicateurs de performance pour mettre au point une méthodologie d’évaluation de la chaîne logistique du Living Lab de Bordeaux ;
  • Méthodologie d’évaluation multicritère des systèmes embarqués connectés en situation de conduite réelle et pour la réduction des émissions sur un itinéraire ;
  • Outils de constructions/validation d’une cartographie digitale de l’infrastructure de transports à partir des données de véhicules traceurs ;
  • Méthodologie d’accompagnement du changement ;
  • Outils de dimensionnement des nouvelles infrastructures récupératrices d’énergie au regard des besoins des territoires ;
  • Méthodologie de mesure des caractéristiques de réflexion de surfaces routières ;
  • Recommandations à destination des gestionnaires afin de modifier le comportement du conducteur par leur perception du profil en travers ;
  • Résultats de tests sur simulateur de conduite, des aménagements visant à amener le conducteur à adopter naturellement des comportements adaptés pour une route apaisée ;
  • Connaissance de la prise d’information utile à la tâche de conduite, en situation complexe (bruit, visuel global ou présence de distracteurs) ou dégradés avec perte d’indices visuelles  (nuit, brouillard, pluie) ;
  • Méthode d’évaluation du risque global et individuel ;
  • Méthodologie pour la prise en compte de l’accompagnement au niveau individuel ou d’un groupe (services gestionnaires routiers et ministères) ;
  • Analyses statistiques des données d’accidentalité ou d’incidentalité selon des cas d’usages potentiellement critiques pour les futurs véhicules autonomes en interaction avec d’autres usagers ;
  • Méthodologie d’évaluation et protocoles de tests permettant d’évaluer objectivement les capteurs isolés ou intégrés au véhicule :
  • Méthodologie d’évaluation des systèmes connectés, définition d’indicateurs ;
  • Méthodologie d’évaluation in-situ pour les navettes autonomes.
Partenariat
  • Partenaires institutionnels, Établissements publics : IFSTTAR, IGN, IRSTEA, Météo France, Vedecom, VTT ;
  • Partenaires académiques français et internationaux : Université de Clermont-Ferrand (Institut Pascal, LAPSCO, LABEX ImobS3), Rennes 2, Paris-Est, Toulouse, Belfort Montbéliard, Carlos III de Madrid (Espagne), Institut National d'Optique (INO) (Canada), New Castel (UK), - Université de Sousse (Tunisie), institut de recherche CERTH, Grèce, TNO Pays-Bas, LAB (Laboratoire d'accidentologie, de biomécanique et d'études du comportement humain) PSA/Renault, Ircam Paris...
  • Pôles de compétitivité : ViaMéca, CARA, Movéo, Tenerrdis, Indura, ID4CAR, Aerospace Valley ;
  • Partenaires privés : Renault, PSA, Orange, SNCF, Michelin, Continental, MAPTM, GeoLoc Systems, DYNNIQ, Daimler, Autoliv, Hitachi, IBEO , Innoluce, Moduligh, Oplatek, Vaisala, Xenics, ENSIS-Optis, Zehnter...
Publications récentes

Palat, B., Saint Pierre, G., & Delhomme, P. (2019). Evaluating individual risk proneness with vehicle dynamics and self-report data ˗ toward the efficient detection of at-risk drivers. Accident Analysis & Prevention, 123, 140‑149. https://doi.org/10/gfknf4

Duthon, P., Bernardin, F., Chausse, F., Colomb, M. (2018). Benchmark for the robustness of image features in rainy conditions, Journal of Machine vision and Applications,Volume 29, Issue 5, pp 915–927 https://doi.org/10.1007/s00138-018-0945-8

Kutila, M., Pyykönen, P., Holzhüter, H., Colomb, M., Duthon, P. (2018) "Automotive LiDAR performance verification in fog and rain," , 21st IEEE-ITSC, Maui, HI, USA, 2018, pp. 1695-1701. https://doi.org/10.1109/ITSC.2018.8569624

Méneroux, Y., Kanasugi, H., Saint Pierre, G., Le Guilcher, A., Mustière, S., Shibasaki, R., & Kato, Y. (2018). Detection and localization of traffic signals with gps floating car data and random forest. https://doi.org/10/gfknf3

Pham, H.-H., Khoudour, L., Crouzil, A., Zegers, P., & Velastin, S. A. (2018). Exploiting deep residual networks for human action recognition from skeletal data. Computer Vision and Image Understanding. https://doi.org/10.1016/j.cviu.2018.03.003

Freitas Salgueiredo, C., Orfila, O., Saint Pierre, G., Doublet, P., Glaser, S., Doncieux, S., & Billat, V. (2017). Experimental testing and simulations of speed variations impact on fuel consumption of conventional gasoline passenger cars. Transportation Research Part D: Transport and Environment, 57, 336‑349. https://doi.org/10.1016/j.trd.2017.09.029

Orfila, O., Freitas Salgueiredo, C., Saint Pierre, G., Sun, H., Li, Y., Gruyer, D., & Glaser, S. (2017). Fast computing and approximate fuel consumption modeling for Internal Combustion Engine passenger cars. Transportation Research Part D: Transport and Environment, 50, 14‑25. https://doi.org/10.1016/j.trd.2016.10.016

Asfour, S., Bernardin, F., Toussaint, E., & Piau, J.-M. (2016). Hydrothermal modeling of porous pavement for its surface de-freezing. Applied Thermal Engineering, 107, 493‑500. https://doi.org/10.1016/j.applthermaleng.2016.06.138

Cerezo, V., & Conche, F. (2016). Risk assessment in ramps for heavy vehicles—A French study. Accident Analysis & Prevention, 91, 183‑189. https://doi.org/10.1016/j.aap.2016.02.017

Crouzil, A., Khoudour, L., Valiere, P., & Cong, D. N. T. (2016). Automatic vehicle counting system for traffic monitoring. Journal of Electronic Imaging, 25(5), 051207. https://doi.org/10.1117/1.JEI.25.5.051207

Quétard, B., Quinton, J. C., Mermillod, M., Barca, L., Pezzulo, G., Colomb, M., & Izaute, M. (2016). Differential effects of visual uncertainty and contextual guidance on perceptual decisions: Evidence from eye and mouse tracking in visual search. Journal of Vision, 16(11), 28‑28. https://doi.org/10.1167/16.11.28

Salmane, Houssam, Khoudour, L., & Ruichek, Y. (2016). Motion-based object tracking method for safety at level crossing. Journal of Electronic Imaging, 25(5), 051208. https://doi.org/10.1117/1.JEI.25.5.051208

Marchetti, M., Boucher, V., Dumoulin, J., & Colomb, M. (2015). Retrieving visibility distance in fog combining infrared thermography, Principal Components Analysis and Partial Least-Square regression. Infrared Physics & Technology, 71, 289‑297. https://doi.org/10.1016/j.infrared.2015.05.002

Orfila, Olivier, Saint Pierre, G., & Messias, M. (2015). An android based ecodriving assistance system to improve safety and efficiency of internal combustion engine passenger cars. Transportation Research Part C: Emerging Technologies, 58, 772‑782. https://doi.org/10.1016/j.trc.2015.04.026

Quétard, B., Quinton, J.-C., Colomb, M., Pezzulo, G., Barca, L., Izaute, M., … Mermillod, M. (2015). Combined effects of expectations and visual uncertainty upon detection and identification of a target in the fog. Cognitive Processing, 16(1), 343‑348. https://doi.org/10.1007/s10339-015-0673-1

Romon, S., Bressaud, X., Lassarre, S., Pierre, G. S., & Khoudour, L. (2015). Map-matching algorithm for large databases. The Journal of Navigation, 68(5), 971‑988. https://doi.org/10.1017/S0373463315000156

Salmane, H., Khoudour, L., & Ruichek, Y. (2015). A video-analysis-based railway – Road safety system for detecting hazard situations at level crossings. IEEE Transactions on Intelligent Transportation Systems, 16(2), 596‑609. https://doi.org/10.1109/TITS.2014.2331347

Susini, P., Houix, O., & Saint Pierre, G. (2015a). Loudness effect on pairwise comparisons and sorting. The Journal of the Acoustical Society of America, 138(3), 1918‑1918. https://doi.org/10.1121/1.4934034

Susini, P., Houix, O., & Saint Pierre, G. (2015b). The effect of loudness on the perceptual representation of sounds with similar timbre. Acta Acustica united with Acustica, 101(6), 1174‑1184. https://doi.org/10.3813/AAA.918910

Andrieu, C., & Saint Pierre, G. (2014). Evaluation of ecodriving performances and teaching method: comparing training and simple advice. European Journal of Transport and Infrastructure Research, 14(3), 201‑213.

Bernardin, F., Bremond, R., Ledoux, V., Pinto, M., Lemonnier, S., Cavallo, V., & Colomb, M. (2014). Measuring the effect of the rainfall on the windshield in terms of visual performance. Accident Analysis & Prevention, 63, 83‑88. https://doi.org/10.1016/j.aap.2013.10.008

Bordel, S., Somat, A., Barbeau, H., Anceaux, F., Greffeuille, C., Menguy, G., … Gallenne, M.-L. (2014). From technological acceptability to appropriation by users: Methodological steps for device assessment in road safety. Accident Analysis & Prevention, 67, 159‑165. https://doi.org/10.1016/j.aap.2014.01.016

Bruyelle, J.-L., O’Neill, C., El-Koursi, E.-M., Hamelin, F., Sartori, N., & Khoudour, L. (2014). Improving the resilience of metro vehicle and passengers for an effective emergency response to terrorist attacks. Safety Science, 62, 37‑45. https://doi.org/10.1016/j.ssci.2013.07.022

Palat, B., Delhomme, P., & Saint Pierre, G. (2014). Numerosity heuristic in route choice based on the presence of traffic lights. Transportation Research Part F: Traffic Psychology and Behaviour, 22, 104‑112. https://doi.org/10.1016/j.trf.2013.11.004

Pinto, M., Cavallo, V., & Saint Pierre, G. (2014). Influence of front light configuration on the visual conspicuity of motorcycles. Accident Analysis & Prevention, 62, 230‑237. https://doi.org/10.1016/j.aap.2013.09.026

Rey, G., Clair, D., Fogli, M., & Bernardin, F. (2014). Infrastructure based approach for roadway departure risk assessment. Transportation Research Part C: Emerging Technologies, 48, 109‑119. https://doi.org/10.1016/j.trc.2014.08.022

Salmane, H., Ruichek, Y., & Khoudour, L. (2014). A novel evidence based model for detecting dangerous situations in level crossing environments. Expert Systems with Applications, 41(3), 795‑810. https://doi.org/10.1016/j.eswa.2013.08.010

Esnard, C., Bordel, S., & Somat, A. (2013). Les soignants face au burnout : quelles attributions causales ? Pratiques Psychologiques, 19(3), 147‑161. https://doi.org/10.1016/j.prps.2013.07.002

Esnard, C., Dumas, R., & Bordel, S. (2013). Effects of the “intimate conviction” instruction on the processing of judicial information. Revue Européenne de Psychologie Appliquée/European Review of Applied Psychology, 63(2), 121‑128. https://doi.org/10.1016/j.erap.2012.12.002

Ponsot, E., Susini, P., Saint Pierre, G., & Meunier, S. (2013). Temporal loudness weights for sounds with increasing and decreasing intensity profiles. The Journal of the Acoustical Society of America, 134(4), EL321‑EL326. https://doi.org/10.1121/1.4819184

Thèses en cours

Mehdi Chahir, St Brieuc (Doctorant à l’Université de Rennes 2 (UR2), LP3C - « Elaboration d’un modèle d’accompagnement multidimensionnel du changement technologique à travers la prise en compte du facteur humain Sous la direction du professeur Alain Somat et de Stéphanie Bordel (Cerema STI). Soutenance prévue en 2019

Khouloud Dahmane, Clermont-Fd, (Doctorante Université de Clermont Auvergne, LABEX ImobS3, Institut Pascal) : « Analyse d'images par méthode de deep learning appliquée au contexte routier en conditions météorologiques dégradées » Co-direction : Frédéric Chausse, Frédéric Bernardin(Cerema STI), Co-encadrement : Christophe Blanc, Michèle Colomb (Cerema STI)

Jérémy Matias, Clermont-Fd (Doctorant LABEX ImobS3, Université de Clermont-Fd, LAPSCO)  : « Interaction des facteurs "top-down" et "bottom-up" dans la sélection attentionnelle des informations saillantes et/ou pertinentes » Co-encadrement : Laeticia Silvert, Jean-Charles Quinton, Marie Izaute, Michèle Colomb (Cerema STI)

Yann Meneroux, (Doctorant Université de Paris-Est & IGN) : « Utilisation des véhicules traceurs et des données géographique pour la construction d’une infrastructure routière numérique » . Co-direction : Guillaume Saint Pierre (Cerema STI) et Sébastien Mustière. Co-encadrement : Arnaud Le-Guilcher, Olivier Orfila

Huy-Hieu Pham, (Doctorant Université Paul Sabatier Toulouse III) : « Segmentation automatique et reconnaissance d’activités humaine dans des séquences monoculaires ; application à la sécurité /sûreté dans les transports publics » Co-direction : Louahdi Khoudour (Cerema STI) et Alain Crouzil

Post-doctorant

Chafik Bakey, Toulouse, 2017-2019, Post doctorant : projet H2020 Safer-LC : traitement d’images appliqué à la surveillance des passages à niveau (Louahdi Khoudour Cerema STI).

Houssam Salmane, Toulouse, 2017-2019, Post doctorant : projet H2020 Aeolix : logistique dans les ports (Louahdi Khoudour Cerema STI).

Thèses soutenues

Boris Quétard, (Doctorant LABEX ImobS3, Université de Clermont-Fd) : « Perception visuelle et anticipation motrice dans les systèmes de traitement de l’information biologiques et artificiels » Thèse soutenue le 10 avril 2018 – Jury, Michel Dhome, Marial Mermillot, Jean-Charles Quinton, Marie Izaute, Giovanni Pezzullo, Michèle Colomb (Cerema STI)

Responsable de l'équipe
Michèle Colomb
Chercheur
Adjoint responsable
Louahdi Khoudour
Chercheur
Véronique Guégan
Ingénieur
Membres de l'équipe
Michèle Colomb
Chercheur
Frédéric Bernardin
Chercheur
Stéphanie Bordel
Chercheur
Lara Désiré
Chercheur
Louahdi Khoudour
Chercheur
Guillaume Saint Pierre
Chercheur
Florence Decouzon
Ingénieur
Pierre Duthon
Ingénieur
Christian Françoise
Ingénieur
Véronique Guégan
Ingénieur
Philippe Michou
Ingénieur
Jean-Paul Garrigos
Technicien
Jean-Luc Bicard
Technicien
Marc Toinette
Technicien
David Bicard
Technicien
Matthieu Adam
Technicien
Renaldo Gritti
Technicien
Formulaire de contact

STI : Systèmes de Transports Intelligents, vers plus de sécurité et d’intégration aux territoires durables

Pour tout renseignement complémentaire sur cette équipe de recherche, merci de compléter le formulaire suivant. Nous reviendrons vers vous dans les plus brefs délais.

* Champs obligatoires

Civilité