Étiquette : Un modèle d’IA identifie les sources de stress du conducteur

Des chercheurs proposent une méthode innovante pour mesurer le niveau de stress des conducteurs grâce à des données visuelles. Les résultats de l’étude ouvrent la voie à des améliorations de la sécurité routière. L’équipe de recherche a utilisé un modèle d’IA qui évalue simultanément les conditions de circulation, la présence de piétons et les caractéristiques de l’environnement urbain dans des contextes réels pour mener une étude à grande échelle du paysage visuel

En 2024, 1 040 accidents ont été recensés sur les routes espagnoles , en plus des collisions mineures et autres problèmes de conduite. Parmi les causes de ces accidents figurent la vitesse excessive, les mauvaises conditions météorologiques et la toxicomanie, mais aussi la distraction et les situations stressantes qui peuvent être atténuées par l’amélioration de la conception des infrastructures, des technologies d’assistance à la conduite et des politiques de sécurité routière. En France, il y en au plus de 2300 en 2024.

Une étude à laquelle a participé l’Universitat Oberta de Catalunya ( UOC ) analyse l’influence des éléments visuels sur le niveau de stress des conducteurs et identifie les facteurs qui nuisent à l’expérience de conduite. Ses résultats ouvrent la voie au développement d’assistants de conduite intelligents et à l’aménagement de rues urbaines moins stressantes.

« Nous avons démontré que l’analyse de l’environnement visuel fournit des informations contextuelles précieuses sur l’environnement routier, telles que la densité du trafic, le paysage urbain et la présence de piétons. »

L’article en libre accès Analyzing the Visual Road Scene for Driver Stress Estimation présente les conclusions d’ un projet de recherche dirigé par Cristina Bustos , chercheuse du groupe Intelligence artificielle pour le bien-être humain ( AIWELL ), affilié à l’ unité de recherche de l’UOC sur la santé numérique, la santé et le bien-être .

La recherche a également impliqué des professeurs de la Faculté d’Informatique, Multimédia et Télécommunications de l’UOC , Àgata Lapedriza , chercheuse principale d’AIWELL, et Albert Solé , chercheur de CoSIN3 . Javier Borge , chef du groupe Systèmes Complexes (CoSIN3), a également contribué au projet, aux côtés de Neska Elhaouij et Rosalind Picard, chercheuses du Media Lab du Massachusetts Institute of Technology (MIT). 

L’importance du paysage routier comme facteur de stress

Les éléments visibles sur les routes et leurs abords sont un facteur clé des accidents de la route et influencent grandement le bien-être et la santé des usagers de la route au quotidien. C’est pourquoi s’attaquer aux causes du stress chez les conducteurs a été au cœur de plusieurs études ces dernières années.

La recherche menée par l’UOC analyse ces facteurs en prenant uniquement en compte les données visuelles, ignorant les signaux physiologiques, l’analyse faciale ou les enregistrements des manœuvres des véhicules. C’est la première fois qu’une étude de cette nature se concentre uniquement sur l’aspect visuel.

« Jusqu’à présent, nous n’avions pas pris en compte le fait que nous conduisons dans un contexte visuel et que les conditions en milieu urbain ont une incidence sur le niveau de stress du conducteur. Notre étude est la première à analyser le contexte visuel du paysage urbain comme source supplémentaire de données pour estimer le stress », a déclaré l’expert.

L’équipe de l’UOC a utilisé un modèle d’IA qui évalue simultanément les conditions de circulation, la présence de piétons et les caractéristiques de l’environnement urbain dans des contextes réels pour mener une étude à grande échelle du paysage visuel.

Plusieurs modèles d’apprentissage automatique présentant différents niveaux de complexité ont été utilisés. Parmi eux, des machines à vecteurs de support (SVM) et des réseaux de neurones convolutifs (CNN), qui analysaient des images individuelles, et des réseaux de segments temporels (TSN), qui évaluaient des vidéos.

« Notre approche étudie le contexte routier, analyse l’impact de l’environnement de conduite sur le stress du conducteur et contribue à le prédire. Nous avons démontré empiriquement que l’analyse de l’environnement visuel fournit des informations contextuelles précieuses sur l’environnement routier, telles que la densité du trafic, le paysage urbain et la présence de piétons », a déclaré Bustos.

« Ces informations complètent d’autres sources de données et sont essentielles pour mieux comprendre les facteurs qui influencent les niveaux de stress et l’impact de l’aménagement urbain sur la sécurité routière. Notre étude démontre, pour la première fois, que le contexte est une source importante d’informations exploitables », a-t-elle ajouté.

Segmentation automatique d’images : image originale (à gauche) et image segmentée correspondante (à droite). Crédit : IEEE Transactions on Affective Computing (2025). DOI : 10.1109/TAFFC.2025.3539003

Les piétons, les autres véhicules et les panneaux de signalisation génèrent du stress

L’équipe de l’UOC a conclu que le contexte visuel de la route joue un rôle fondamental dans la survenue du stress du conducteur et a pu déterminer quels éléments spécifiques influencent le plus l’expérience de conduite.

L’analyse du modèle d’IA a révélé que la présence de piétons et de véhicules en mouvement (en particulier les plus imposants comme les camions) compte parmi les facteurs les plus générateurs de stress. À cela s’ajoutent les éléments urbains susceptibles de distraire les conducteurs, tels que les panneaux, les affiches publicitaires et les passages piétons .

« Tous ces éléments influencent de manière significative les niveaux de stress élevés des conducteurs étudiés, en augmentant la complexité de l’expérience et leur charge cognitive », a expliqué Bustos. 

Applications pratiques potentielles

Ces résultats peuvent servir de guide pour la conception d’infrastructures urbaines et de politiques visant à réduire les facteurs de stress. Par exemple, ils pourraient servir de base à l’amélioration de la signalisation , des systèmes de gestion du trafic dans les zones congestionnées ou à la conception de carrefours plus sûrs. « En identifiant les éléments les plus stressants, les urbanistes et les autorités routières peuvent prendre des mesures pour atténuer ces effets, contribuant ainsi à une plus grande sécurité routière », a déclaré Bustos.

Il existe également la possibilité de développer des 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 lorsque des conditions potentiellement stressantes sont détectées.

« Pour l’instant, aucune application pratique de l’étude n’est prévue, car elle a été menée auprès d’un nombre limité de conducteurs. Cependant, les résultats constituent une base prometteuse pour poursuivre les recherches dans ce domaine et explorer son application aux systèmes d’aide à la conduite », a déclaré Bustos.

Les prochaines étapes dans cette ligne de recherche consistent à élargir et diversifier les données , à explorer des modèles multimodaux qui intègrent d’autres types de données non invasives (comme des informations sur le véhicule) et à affiner les techniques d’interprétation de l’IA pour mieux comprendre les mécanismes sous-jacents au stress.

https://www.uoc.edu/en/news/2025/aspects-that-drivers-find-most-stressful