Mardi 15h05 stat et securite routiere_saint_pierre
-
Upload
guillaumesaintpierre -
Category
Data & Analytics
-
view
477 -
download
5
description
Transcript of Mardi 15h05 stat et securite routiere_saint_pierre
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
Statistique et sécurité routière : L'observation de laconduite en situation naturelle
Guillaume Saint Pierre, Cindie Andrieu
Institut Français des Sciences et Techniques du Transport et de l'Aménagementdes Réseaux
Université Paul Sabatier, Institut de Mathématiques de Toulouse
JDS, Toulouse, 28 mai 2013
Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 1 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
Plan
1 IntroductionVéhicule traçeurConduite en situation naturelle
2 Ex1 : Limiteur/régulateur de vitesseProtocole et donnéesMéthodes statistiquesExemple de résultats
3 Ex2 : Estimation fonctionnelle d'un pro�l de vitesseContexteObjectifsDé�nition d'un pro�l spatial de vitesse1ère étape : Ajout des observations sur la vitesse2ème étape : Lissage sous contrainte de monotonieApplication
4 Perspectives
Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 2 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
Véhicule traceur ?
Un capteur mobile recueillant en continu des informations sur sonenvironnement :
I Les véhicules modernes sont tous des véhicules traceurspotentiels,
I Les smartphones aussi,
I A condition d'en recueillir les mesures (questions de vie privée,de collaboration, etc.)
Les véhicules récents sont équipés de systèmes associés à descapteurs de plus en plus évolués :
I Radars avec suivi de cibles (ACC, FCW),
I Caméras avec suivi de marquages (LDW)
I etc.
Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 3 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
Véhicule traceur pour la recherche
Capteurs pour la recherche
I Eyetracker (suivi du regard)
I Caméras (actions conducteur, environnement routier)
I Radars avant/arrière (détection des autres usagers)
I Odomètre (distance parcourue)
I Débitmètre (consommation)
I Capteurs lasers, etc.
Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 4 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
Evolution technologique
Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 5 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
Caractéristiques
Les données recueillies sont complexes :
I Une très grande quantité d'information,
I Des sources d'information hétérogènes,
I Des informations horodatées et géolocalisées,
I Des conditions d'observations hétérogènes (trajets etconditions de circulation di�érentes)
Cela nécessite l'emploi de :
I Méthodes de réduction/segmentation des données,
I Méthodes de sélection (SIG),
I Méthodes d'extraction manuelles (vidéo),
I Méthodes de traitement d'images (détection de marquages,etc.).
Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 6 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
Conduite en situation naturelle
Idée générale : Utiliser les véhicules traceurs pour observer laconduite réelle (ou naturelle).
Le principe :
I Pas d'expérimentateur ni de consignes expérimentales
I Utilisation de véhicules personnels de préférence
I Instrumentation discrète
I Grande échelle : longue durée et beaucoup de véhicules
Intérêt
I Limiter les biais au maximum
I Une grande quantité de données, même dans des situationstrès rares (neige+brouillard de nuit par ex.)
I Mesurer l'exposition au risque
I Observer des évènements rares (presque-accidents)Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 7 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
Deux cadres d'utilisation di�érents
Conduite naturelle pure : Naturalitic Driving Studies (NDS)
I Seule la conduite naturelle est observée,
I Aucune consigne n'est donnée,
I Objectif : observation du comportement du conducteur,
Première étude historique (2000, USA) : 100 Car study(43000h, 3 millions de km)Actuellement : 2000 véhicules personnels équipés de "data +video logger" parcourent les routes américaines
Evaluation de l'e�et d'un système embarqué sur le comportementde conduite : Les Field Operational Tests (FOT)
I Utilisation de protocoles quasi-expérimentaux (de typeavant/après)
I Objectif : observer les modi�cations de comportement associésà l'utilisation d'un système d'aide à la conduite
Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 8 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
Plan
1 IntroductionVéhicule traçeurConduite en situation naturelle
2 Ex1 : Limiteur/régulateur de vitesseProtocole et donnéesMéthodes statistiquesExemple de résultats
3 Ex2 : Estimation fonctionnelle d'un pro�l de vitesseContexteObjectifsDé�nition d'un pro�l spatial de vitesse1ère étape : Ajout des observations sur la vitesse2ème étape : Lissage sous contrainte de monotonieApplication
4 Perspectives
Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 9 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
Protocole
Utilisation des véhicules traçeurs dans un cadre de FOT
I Projet européen EuroFOT destiné à évaluer 8 systèmes
I Données françaises destinées à évaluer l'usage du SL et CC
I 35 conducteurs ont conduit pendant 1 an en région parisienne
I 545 000 km analysés
Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 10 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
Préparation des données
Méthodes de réduction de donnéesI Dozza, M., et al., Chunking : A procedure to improve
naturalistic data analysis. Accid. Anal. Prev. (2012)Méthodes de sélection et de constitution d'échantillons adaptés auxquestions de recherche
I Utilisation des SIG
Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 11 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
Traitement des données
Une fois segmentées et triées, les données restent corrélées entreelles par le style de conduite des conducteurs.
Modèles statistiques adaptés
I Generalized Estimated Equations (GEE)
I Modèles mixtes (GLMM)
Approche similaire à l'épidémiologie :
Quelle modi�cation du comportement de conduite (de la santé) estassociée à l'exposition à un nouveau système d'aide à la conduite(traitement médical) ?
Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 12 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
Lien entre évènements et systèmes
Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 13 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
Régulateur de vitesse
Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 14 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
Limiteur de vitesse
●
Odds Ratio
0.0 0.5 1.0 1.5
Events likelihood when condition changefrom Baseline to SL Active
Eve
nts
●●
●Over−speeding
●●Strong jerk
●●
●Critical time gap
●●Hard braking
●
●
●
50 km/h90 km/h130 km/h
Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 15 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
Plan
1 IntroductionVéhicule traçeurConduite en situation naturelle
2 Ex1 : Limiteur/régulateur de vitesseProtocole et donnéesMéthodes statistiquesExemple de résultats
3 Ex2 : Estimation fonctionnelle d'un pro�l de vitesseContexteObjectifsDé�nition d'un pro�l spatial de vitesse1ère étape : Ajout des observations sur la vitesse2ème étape : Lissage sous contrainte de monotonieApplication
4 Perspectives
Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 16 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
Gestion de la vitesse
La connaissance de la vitesse réelle pratiquée sur nos routes estessentielle pour :
I Situer les points noirs du réseau
I Améliorer la connaissance des temps de parcours
I Connaître les e�ets de modi�cation de l'infrastructure (ajoutde dos d'ânes, rond-point, ...)
Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 17 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
Objet d'étude
Pro�ls spatiaux de vitesse = vitesse vs position
Objectif : Construire un pro�l de vitesse de référence
' "pro�l moyen"Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 18 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
ObjectifsI Utiliser les mesures répétées de vitesses réellement pratiquées issues
de véhicules traceurs.
I Développer une méthodologie statistique permettant d'extrairedivers pro�ls de vitesse de référence, chacun étant adapté à unesituation de conduite (feu rouge ou vert, tra�c libre ou contraint, ...)
Approche statistique fondée sur le comportement longitudinal
adopté par les utilisateurs de la route
En pratique : pro�l spatial de vitesse = succession de mesures horodatéesde position et de vitesse.
Originalité de notre approche : Traiter les pro�ls de vitesse comme desfonctions et non comme des vecteurs de Rn (Functional Data Analysis).
Ref : C. Andrieu, G. Saint Pierre et X. Bressaud : Modélisation
fonctionnelle et lissage sous contraintes d'un pro�l spatial de vitesse. In
44ème Journées de Statistique, Bruxelles, Belgique, 2012.
Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 19 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
ObjectifsI Utiliser les mesures répétées de vitesses réellement pratiquées issues
de véhicules traceurs.
I Développer une méthodologie statistique permettant d'extrairedivers pro�ls de vitesse de référence, chacun étant adapté à unesituation de conduite (feu rouge ou vert, tra�c libre ou contraint, ...)
Approche statistique fondée sur le comportement longitudinal
adopté par les utilisateurs de la route
En pratique : pro�l spatial de vitesse = succession de mesures horodatéesde position et de vitesse.
Originalité de notre approche : Traiter les pro�ls de vitesse comme desfonctions et non comme des vecteurs de Rn (Functional Data Analysis).
Ref : C. Andrieu, G. Saint Pierre et X. Bressaud : Modélisation
fonctionnelle et lissage sous contraintes d'un pro�l spatial de vitesse. In
44ème Journées de Statistique, Bruxelles, Belgique, 2012.
Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 19 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
Lien entre vitesse, position et temps
Conséquence : Un pro�l spatial de vitesse peut être manipulé dans lestrois espaces suivants :
Figure : Lien entre les trois espaces : [position × temps], [vitesse × temps] et[vitesse × position].
Principale di�culté : Assurer la correspondance entre vitesse et position
(et implicitement temps) a�n de préserver les caractéristiques
dynamiques d'un pro�l de vitesse valide.
Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 20 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
Dé�nition de l'espace ESSP
Dé�nition
Soit xf ∈ R+. Alors l'espace des pro�ls de vitesse spatiaux estdé�ni de la façon suivante :ESSP = {vS : [0, xf ] −→ R+ tel qu'il existe un réel positif T et unefonction C2 croissante F : [0,T ] −→ [0, xf ] avec F (0) = 0 tels quevS(x) = F ′(F−1(x)), x ∈ [0, xf ]}
où F−1 est l'inverse généralisée de F dé�ni par
F−1(x) = inf {t ∈ [0,T ],F (t) = x}.
Figure : Diagramme fonctionnel.
Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 21 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
Propriétés de l'espace ESSP
Propriétés
I Positivité
I Continuité
I Sous certaines hypothèses (faibles), non dérivabilité en tout point deH0 = {x ∈ [0, xf ], vS(x) = 0}.
Figure : Point de rebroussement de 1ère espèce.
I La somme de deux pro�ls spatiaux de vitesse n'est pas toujours unpro�l spatial de vitesse (cas où l'un s'annule en x0 mais pas l'autre).
Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 22 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
Modèle de régression nonparamétrique
Modèle
yi = vS(xi ) + εi , i = 1, . . . , n
Où (yi , xi ), i = 1, . . . , n sont des mesures bruitées de vitesse et deposition (odomètre, GPS), et εi sont les erreurs non corrélés demoyenne nulle et de variance σ2.
Objectif
Trouver un bon estimateur v̂S ∈ ESSP du "vrai" pro�l spatial devitesse vS .
Contraintes
v̂S doit appartenir à l'espace ESSP ⇒ Non dérivabilité en tout pointde H0 = {x ∈ [0, xf ], v̂S(x) = 0}.
Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 23 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
Modèle de régression nonparamétrique
Modèle
yi = vS(xi ) + εi , i = 1, . . . , n
Où (yi , xi ), i = 1, . . . , n sont des mesures bruitées de vitesse et deposition (odomètre, GPS), et εi sont les erreurs non corrélés demoyenne nulle et de variance σ2.
Objectif
Trouver un bon estimateur v̂S ∈ ESSP du "vrai" pro�l spatial devitesse vS .
Contraintes
v̂S doit appartenir à l'espace ESSP ⇒ Non dérivabilité en tout pointde H0 = {x ∈ [0, xf ], v̂S(x) = 0}.
Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 23 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
Modèle de régression nonparamétrique
Modèle
yi = vS(xi ) + εi , i = 1, . . . , n
Où (yi , xi ), i = 1, . . . , n sont des mesures bruitées de vitesse et deposition (odomètre, GPS), et εi sont les erreurs non corrélés demoyenne nulle et de variance σ2.
Objectif
Trouver un bon estimateur v̂S ∈ ESSP du "vrai" pro�l spatial devitesse vS .
Contraintes
v̂S doit appartenir à l'espace ESSP ⇒ Non dérivabilité en tout pointde H0 = {x ∈ [0, xf ], v̂S(x) = 0}.
Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 23 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
Changement de l'espace d'étude
Figure : Correspondance entre les trois espaces : [distance vs temps, vitesse vstemps] et [vitesse vs distance].
Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 24 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
Changement de l'espace d'étude
Modèle
yi = F (ti ) + εi , i = 1, . . . , n
Où yi , i = 1, . . . , n sont des mesures bruitées de la distance parcourue(Odomètre, GPS), et εi sont les erreurs indépendantes de moyenne nulle et devariance σ2.
Objectif
Trouver un bon estimateur F̂ de la distance parcourue en fonction du temps.
Deux contraintes
1 Utiliser les informations sur la dérivée :
y′i = F
′(ti ) + ε′i , i = 1, . . . , n
Où y ′i , i = 1, . . . , n sont des observations bruitées de vitesse (GPS, e�etdoppler).
2 Contraintes de monotonie : F doit être croissante monotone.
Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 25 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
Changement de l'espace d'étude
Modèle
yi = F (ti ) + εi , i = 1, . . . , n
Où yi , i = 1, . . . , n sont des mesures bruitées de la distance parcourue(Odomètre, GPS), et εi sont les erreurs indépendantes de moyenne nulle et devariance σ2.
Objectif
Trouver un bon estimateur F̂ de la distance parcourue en fonction du temps.
Deux contraintes
1 Utiliser les informations sur la dérivée :
y′i = F
′(ti ) + ε′i , i = 1, . . . , n
Où y ′i , i = 1, . . . , n sont des observations bruitées de vitesse (GPS, e�etdoppler).
2 Contraintes de monotonie : F doit être croissante monotone.
Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 25 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
Changement de l'espace d'étude
Modèle
yi = F (ti ) + εi , i = 1, . . . , n
Où yi , i = 1, . . . , n sont des mesures bruitées de la distance parcourue(Odomètre, GPS), et εi sont les erreurs indépendantes de moyenne nulle et devariance σ2.
Objectif
Trouver un bon estimateur F̂ de la distance parcourue en fonction du temps.
Deux contraintes
1 Utiliser les informations sur la dérivée :
y′i = F
′(ti ) + ε′i , i = 1, . . . , n
Où y ′i , i = 1, . . . , n sont des observations bruitées de vitesse (GPS, e�etdoppler).
2 Contraintes de monotonie : F doit être croissante monotone.
Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 25 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
1ère étape : Ajout des observations sur la vitesse
Modèle {yi = F (ti ) + εi , i = 1, . . . , ny ′i = F ′(ti ) + ε′i , i = 1, . . . , n
Où
I yi : Mesures bruitées de la distance parcourue ;
I εi : Erreurs indépendantes de moyenne nulle et de variance σ21 ;
I y ′i : Mesures bruitées de la vitesse ;
I ε′i : Erreurs indépendantes de moyenne nulle et de variance σ22 ;
I F ∈Wm[0,T ] l'espace de Sobolev où HR = Wm[0,T ] est un RKHSassocié au noyau R(s, t).
Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 26 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
1ère étape : Ajout des observations sur la vitesse
Critère à minimiser
HR se décompose en HR = H0
⊕H1 où dim(H0) = m ≤ n. Un estimateur de
f s'obtient en cherchant f ∈ HR qui minimise
1
n{
n∑i=1
wi (yi − F (ti ))2 +
n∑i=1
(1− wi )(y′i − F
′(ti ))2}+ λ
∫ T
0
(F (m)(t))2dt
Où w = (w1, . . . ,wn)T est un vecteur de poids dépendant des variances σ21 et
σ22 .
Forme de la solution
On applique le théorème de Kimeldorf and Wahba : Soit H0 engendré parφ1, . . . , φm. La solution F̂λ minimisant le critère précédent s'écrit :
F̂λ(t) =m∑
ν=1
dνφν(t) +n∑
i=1
ciR1(ti , t) +n∑
i=1
c′i
∂
∂sR1(s, t)|s=ti
Où les coe�cients dν , ci et c′i sont estimés à partir des données.
Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 27 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
2ème étape : Lissage sous contrainte de monotonie
Principe : Se ramener à un problème de lissage sans contraintes.Méthode : Ramsay (1998).
Idée : Toute fonction f strict. monotone véri�e l'équation di�érentiellesuivante :
D2f (t) = w(t)Df (t)
où w(t) est une fonction sans contraintes.
Par conséquent, toute fonction f strict. monotone peut s'écrire sous laforme (sol. de l'ODE) :
f (t) = β0 + β1
∫ t
0
exp[
∫ u
0
w(v)dv ]du
Le problème revient alors à estimer la fonction w(t) (non contrainte) etles constantes β0 et β1.
Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 28 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
2ème étape : Lissage sous contrainte de monotonie
Principe : Se ramener à un problème de lissage sans contraintes.Méthode : Ramsay (1998).
Idée : Toute fonction f strict. monotone véri�e l'équation di�érentiellesuivante :
D2f (t) = w(t)Df (t)
où w(t) est une fonction sans contraintes.
Par conséquent, toute fonction f strict. monotone peut s'écrire sous laforme (sol. de l'ODE) :
f (t) = β0 + β1
∫ t
0
exp[
∫ u
0
w(v)dv ]du
Le problème revient alors à estimer la fonction w(t) (non contrainte) etles constantes β0 et β1.
Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 28 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
Données brutes : Section de 1500m avec un stop et un feu.
●
0 50 100 150 200
050
010
0015
00
Distance as function of time (42 curves) Raw data (odometer)
Time (sec)
Dis
tanc
e (m
)
●
0 50 100 150 200
020
4060
80
Speed as function of time (42 curves) Raw data (speed Bus CAN)
Time (sec)
Spe
ed (
km/h
)
●
0 500 1000 1500
020
4060
80
Speed as function of Distance (42 curves) Raw data (speed Bus CAN vs odometer)
Distance (m)
Spe
ed (
km/h
)
Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 29 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
Lissage avec obs. sur la dérivée puis lissage monotone.
●
0 50 100 150 200
050
010
0015
00
Distance as function of time (42 curves) Smoothing spline (quintic) using derivative info and monotonization
Time (sec)
Dis
tanc
e (m
)
●
0 50 100 150 200
020
4060
80
Speed as function of time (42 curves) Smoothing spline (quintic) using derivative info and monotonization
Time (sec)
Spe
ed (
km/h
)
●
0 500 1000 1500
020
4060
80
Speed as function of Distance (42 curves) Smoothing spline (quintic) using derivative info and monotonization
Distance (m)
Spe
ed (
km/h
)
Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 30 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
Pro�ls moyens : cas feu rouge / feu vert
0 500 1000 1500
020
4060
80
Speed as function of Distance (25 curves + mean curve) Red light case
Distance (m)
Spe
ed (
km/h
)
mean curve
0 500 1000 1500
020
4060
80
Speed as function of Distance (17 curves + mean curve) Green light case
Distance (m)
Spe
ed (
km/h
)
mean curve
Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 31 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
Pro�ls moyens après recalage : cas feu rouge / feu vert
0 500 1000 1500
020
4060
80
Speed as function of Distance : registered curves (25 curves + mean curve) Red light case
Distance (m)
Spe
ed (
km/h
)
mean curve
0 500 1000 1500
020
4060
80
Speed as function of Distance : registered curves (17 curves + mean curve) Green light case
Distance (m)
Spe
ed (
km/h
)
mean curve
Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 32 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
Boxplots classiques
●●●
●
●
●
●
●●
●
●●
●
●
●
●●●●
●
●●●
●
●
●
●
●●
●
●
●
●
●
●
●
●●●
●●●●
●
●●
●
●●
●●
●
●
●
●●
●
●●
●
●●
●
●
●
●
●
●●●●●●
●
●
●●
●●●●
●
●
●
●
●
●
●
●
●
●●
●
●●●
●
●●
●
●●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●●
●
●
●
●
●
●
●
●
●●●●●●
●
●●●●●●●●●
0 500 1000 1500
020
4060
80
Pointwise Boxplots (25 curves − distance sampling : 10m) Red light case
Distance (m)
Spe
ed (
km/h
)
●●
●
●
●●●
●
●●●●●●●●●●●●
●
●
●
●
●●● ●●●●●
●
●
●
●
●
●
●
●
●
●●●
●
●●
●
●
●
●
●
●
●
●
●●●●
0 500 1000 1500
020
4060
80
Pointwise Boxplots (17 curves − distance sampling : 10m) Green light case
Distance (m)
Spe
ed (
km/h
)
Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 33 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
Functional Boxplots (Sun and Genton, 2011)
0 500 1000 1500
020
4060
80
Enhanced functional boxplot with Modified Band Depth (25 curves) Red light case
Distance (m)
Spe
ed (
km/h
)
25% central region 50% central region 75% central region
0 500 1000 1500
020
4060
80
Enhanced functional boxplot with Modified Band Depth (17 curves) Green light case
Distance (m)
Spe
ed (
km/h
)
25% central region 50% central region 75% central region
Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 34 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
Exemples de pro�ls de vitesse de référence
0 500 1000 1500
020
4060
80
Examples of reference speed profiles (case red light)
dist_eval
med
ian_
mbd
_red
light
.vec
* 3
.6
mean median (MBD) V85
0 500 1000 1500
020
4060
80
Examples of reference speed profiles (case green light)
dist_eval
med
ian_
mbd
_gre
enlig
ht.v
ec *
3.6
mean median (MDB) V85
Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 35 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
Plan
1 IntroductionVéhicule traçeurConduite en situation naturelle
2 Ex1 : Limiteur/régulateur de vitesseProtocole et donnéesMéthodes statistiquesExemple de résultats
3 Ex2 : Estimation fonctionnelle d'un pro�l de vitesseContexteObjectifsDé�nition d'un pro�l spatial de vitesse1ère étape : Ajout des observations sur la vitesse2ème étape : Lissage sous contrainte de monotonieApplication
4 Perspectives
Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 36 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
Perspectives
Exemples d'application des méthodes d'évaluation des systèmes :
I Mise au point de procédures normées pour évaluer l'impact dessystèmes d'aide à la conduite ;
I Mieux comprendre les e�ets non désirés, les détecter et leslimiter ;
I Mise en place de cohortes pour observer l'évolution descomportements (épidémiologie routière ?).
Exemples d'application de la construction de pro�ls et d'enveloppesde vitesse :
I Développement d'un système de régulation automatique de lavitesse fondé sur les vitesses pratiquées ;
I Etude de l'impact (sécuritaire, environnemental) d'unemodi�cation de l'infrastructure ;
I Enrichissement des cartes numériques (détection d'éléments del'infrastructure).
Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 37 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
Merci de votre attention
Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 38 / 39
Introduction Ex1 : Limiteur/régulateur de vitesse Ex2 : Estimation fonctionnelle d'un pro�l de vitesse Perspectives
Bibliographie
Ramsay, J.O. and Silverman, B.W. (2005)
Functional Data Analysis, Second Edition.Springer Series in Statistics.
Berlinet, A. and Thomas-Agnan, C. (2004)
Reproducing Kernel Hilbert Spaces in Probability and Statistics.Kluwer Academic.
Wang Y. (2011)
Smoothing Splines : Methods and Applications.Chapman and Hall/CRC
Ramsay, J. (1998)
Estimating smooth monotone fonctions.Journal of the Royal Statistical Society : Series B, vol. 60(2), pp. 365-375.
Sun, Y. and Genton, M. G. (2011)
Functional boxplots.Journal of Computational and Graphical Statistics 20 : 316-334.
Andrieu, C. and Saint Pierre, G. and Bressaud, X. (2012)
Modélisation fonctionnelle et lissage sous contraintes d'un pro�l spatial de vitesse.44ème Journées de Statistique, Bruxelles, Belgique.
Andrieu, C. and Saint Pierre, G. and Bressaud, X. (2013)
Estimation of space-speed pro�les : A functional approach using smoothing splines.IV2013, Gold Coast, Australia.
Guillaume Saint Pierre, Cindie Andrieu Statistique et sécurité routière 39 / 39