⚡ electrical engineering

Perceived Annoyance in Multi-source Electric Vehicle AVAS Environments

Cet article étudie comment la perception de l'agacement causée par les sons AVAS des véhicules électriques évolue dans des scénarios de trafic multi-sources réalistes par rapport à des conditions de source unique isolée, à travers des tests d'écoute binaurale avec des sons de dépassement de véhicules spatialement disposés et se chevauchant.

Auteurs originaux : Berkay Kullukcu, Jonas Krautwurm, Serkan Atamer, Ercan Altinsoy

Publié 2026-07-14

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Berkay Kullukcu, Jonas Krautwurm, Serkan Atamer, Ercan Altinsoy

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous marchez dans une rue de la ville et que, soudain, une voiture électrique silencieuse passe en trombe. Elle émet un petit son « bip-boum » (appelé AVAS) pour que vous sachiez qu'elle est là. Maintenant, imaginez cette même rue, mais au lieu d'une seule voiture, vous avez deux, trois ou même un défilé entier qui passent en trombe en même temps. Le bruit s'additionne-t-il simplement comme si l'on empilait deux tasses d'eau pour obtenir une plus grande tasse ? Ou le cerveau réagit-il différemment lorsque les sons se mélangent ?

C'est exactement ce que les chercheurs de l'Université de Dresde (TU Dresden) voulaient découvrir. Ils ont mis en place un embouteillage virtuel dans une pièce calme pour voir à quel point cela est agaçant lorsque plusieurs véhicules électriques passent en même temps.

La grande surprise : ce n'est pas seulement un problème de mathématiques
Pendant longtemps, les scientifiques considéraient le son des voitures comme une recette simple : si une voiture est agaçante, et que l'on en ajoute une autre, l'agacement total est simplement la somme des deux. Mais cette étude suggère que ce n'est pas ainsi que notre cerveau fonctionne.

Pensez-y comme à une fête. Si une personne raconte une blague amusante, c'est sympa. Si deux personnes racontent des blagues exactement au même moment, cela peut être hilarant. Mais si elles commencent à se couper la parole, ou si leurs voix créent un rythme étrange et saccadé, cela peut devenir un casse-tête. Les chercheurs ont découvert que lorsque deux véhicules électriques passent ensemble, l'agacement ne fait pas que s'additionner ; il grimpe souvent plus haut qu'on ne l'aurait prévu.

Dans leur expérience, ils ont diffusé des sons pour 10 volontaires (âgés d'environ 20 à 37 ans) à l'aide de casques de haute qualité. Ils ont testé des voitures seules, puis des paires de voitures.

Agacement d'une voiture seule : Lorsqu'une seule voiture passait, l'indice d'agacement moyen était d'environ 46,4 sur une échelle de 0 à 100.
Deux voitures ensemble : Lorsque deux voitures passaient en même temps, l'agacement bondissait à 52,9.
La « tempête parfaite » : La combinaison la plus agaçante était un mélange spécifique de sons (nommés S1 et S3), qui atteignait 58,0.

L'équipe a calculé que, en moyenne, l'ajout d'une seconde voiture augmentait l'agacement d'environ 6,54 points. Ce n'était pas une petite fluctuation aléatoire ; les mathématiques montraient qu'il s'agissait d'une différence réelle et significative.

Et qu'en est-il du volume ?
Vous pourriez penser : « Eh bien, peut-être que deux voitures sont juste plus bruyantes, donc bien sûr qu'elles sont plus agaçantes ! » Les chercheurs ont vérifié cela avec soin. Ils ont mesuré les niveaux de pression acoustique (l'intensité sonore) et ont constaté qu'ils étaient presque identiques pour tous les tests, oscillant autour de 72,91 dB (avec une infime marge d'erreur de 0,77 dB).

Voici le rebondissement : le volume n'expliquait pas l'agacement supplémentaire. Même si le volume était le même, le sentiment d'agacement augmentait. C'est comme la façon dont deux personnes qui vous chuchotent à l'oreille peuvent être plus agaçantes qu'une personne qui crie, même si le niveau sonore total est le même. Le cerveau est confus en essayant de déterminer d'où proviennent les sons, et cette confusion rend la scène plus irritante.

Le timing compte (mais peut-être pas comme vous le pensez)
Les chercheurs ont également joué avec le timing. Ils ont fait passer une voiture, puis ont fait passer la seconde 1 ou 2 secondes plus tard.

Simultané (en même temps) : L'agacement a augmenté de manière significative.
Différé (1 ou 2 secondes plus tard) : L'agacement a quand même augmenté un peu (environ 6,31 points), mais les résultats étaient un peu plus disparates. Certains détestaient cela, d'autres ne remarquaient pas vraiment de différence. L'équipe n'a pas pu affirmer avec certitude que le timing différé était significativement plus agaçant qu'une voiture seule après avoir effectué un contrôle strict des chiffres.

Et la direction ?
Ils se sont aussi demandé si cela importait de savoir quelle voiture était la plus proche de vous. Si la Voiture A est dans la voie proche et la Voiture B dans la voie éloignée, est-ce différent de si elles échangent leurs places ? La réponse ? Non. Inverser les voies n'a changé du tout le taux d'agacement. Le cerveau ne se souciait pas de savoir qui était le plus proche ; il se souciait simplement qu'il y avait deux sources de son se mélangeant ensemble.

Le « pouls » du bruit
Alors, qu'est-ce qui rend la scène à deux voitures si agaçante ? Les chercheurs ont examiné les caract�actéristiques « psychoacoustiques » — la façon dont notre cerveau traite le son. Ils ont trouvé un lien étroit entre l'agacement et ce qu'on appelle l'Impulsivité. Voyez cela comme le côté « percutant » ou « saccadé » du son. Plus le son semble « impulsif », plus il est agaçant. Il ne s'agit pas seulement de savoir s'il est fort, mais de la façon dont le son frappe vos oreilles.

L'essentiel à retenir
Cette étude suggère que nous ne pouvons pas simplement concevoir les sons des voitures électriques de manière isolée. Un son qui est parfaitement acceptable pour une seule voiture pourrait devenir un véritable mal de crâne lorsqu'il fait partie d'une scène de rue animée avec d'autres véhicules. La « scène » importe plus que la source individuelle.

Cependant, les chercheurs précisent avec prudence qu'il s'agissait d'un test de petite envergure avec seulement 10 personnes et un ensemble limité de sons. Ils n'ont pas testé les intersections, les différentes vitesses ou le chaos du trafic réel. Ils suggèrent que les travaux futurs devront tester plus de voitures, plus de scénarios et différents bruits de fond pour réellement comprendre l'ensemble du tableau. Mais pour l'instant, les preuves pointent vers une idée claire : dans le monde des sons de véhicules électriques, 1 + 1 n'est pas toujours égal à 2 ; parfois, c'est un mal de crâne.

Résumé technique : Annoyance perçue dans les environnements AVAS à sources multiples pour véhicules électriques

Énoncé du problème
La prévalence croissante des véhicules électriques (VE) dans les environnements urbains a modifié les paysages sonores des villes, particulièrement à basse vitesse où le bruit de propulsion est considérablement réduit. Bien que cette réduction soit bénéfique pour la santé publique, elle soulève des préoccupations de sécurité pour les piétons malvoyants qui dépendent des indices auditifs pour la détection des véhicules. Les stratégies d'évaluation actuelles pour les systèmes d'alerte acoustique des véhicules (AVAS) suivent principalement une approche centrée sur la source, évaluant les sons de véhicules individuels de manière isolée. Cependant, les scénarios de trafic réels impliquent fréquemment la présence simultanée de plusieurs véhicules. L'article soutient que la présence combinée de sources AVAS multiples peut altérer la perception — spécifiquement l'annoyance (l'agacement) — de manières qui ne peuvent être prédites par la simple somme de l'énergie des sources individuelles ou par l'analyse de signaux isolés. Les modèles de bruit environnemental existants traitent souvent de l'exposition à long terme, alors que la perception de l'AVAS concerne des événements de courte durée avec des indices contextuels forts (mouvement, localisation spatiale, visibilité). De plus, il reste incertain si les modèles psychoacoustiques dérivés de sons uniques peuvent rendre compte avec précision des effets d'interaction lorsque plusieurs signaux AVAS coexistent dans une scène auditive.

Méthodologie
L'étude a utilisé un test d'écoute binaurale contrôlé pour étudier la perception de l'annoyance dans des scénarios à sources multiples.

Stimuli : L'expérience a utilisé trois sources sonores distinctes : un son synthétisé (S1) et des enregistrements de passage binauraux de deux véhicules électriques réels, un Ford Kuga (S2) et un Ford E-Transit (S3). Tous les sons ont été enregistrés ou modélisés comme des passages à vitesse constante de 20 km/h.
Construction du scénario : En utilisant le moteur de rendu acoustique virtuel TASCAR, les chercheurs ont créé un environnement routier à deux voies avec des directions de circulation opposées. Le bruit pneu-chaussée (enregistré à partir d'une Cupra Born à 20 km/h) a été ajouté à tous les stimuli pour simuler un paysage sonore de trafic réaliste.
Conditions : Les participants ont été exposés à 13 stimuli : trois passages de véhicules uniques et dix scènes à deux véhicules. Les scènes à deux véhicules variaient selon l'arrangement spatial et le décalage temporel, incluant des croisements simultanés et des retards de +1 seconde et +2 secondes.
Procédure : Dix participants (5 hommes, 5 femmes ; âge moyen 30,7) ont écouté les stimuli via des casques (Head LabO2) dans une pièce calme. Tous les fichiers AVAS ont été égalisés au niveau de SPL maximal. Après chaque stimulus, les participants ont évalué l'annoyance perçue sur une échelle continue de 0 à 100. Chaque stimulus a été présenté deux fois, et les évaluations ont été moyennées par participant.
Analyse : L'analyse statistique comprenait des tests t appariés, des tests de Wilcoxon et la correction de Holm pour les contrastes multiples. Des paramètres psychoacoustiques, incluant le modèle de sonorité de Zwicker et des descripteurs tels que l'éclat (sharpness), la rugosité (roughness) et l'impulsivité, ont été calculés pour corréler avec les évaluations d'annoyance.

Résultats clés

Augmentation de l'annoyance dans les scènes multi-sources : Les scènes à deux véhicules ont entraîné des évaluations d'annoyance significativement plus élevées par rapport aux stimuli à véhicule unique. L'annoyance moyenne pour les véhicules seuls était d'environ 46,4 points, tandis que les scènes simultanées à deux véhicules tournaient autour de 52,9 points.
Signification statistique : Un test t apparié a confirmé une différence significative entre les conditions de véhicule unique et de deux véhicules simultanés (t(9)=3,14, p=0,012), laquelle est restée significative après la correction de Holm (p=0,036). L'augmentation moyenne intra-sujet était de 6,54 points.
Décalage temporel : Bien que les scènes à deux véhicules avec décalage (décalage temporel) aient également montré une augmentation moyenne de l'annoyance (6,31 points), la différence par rapport aux stimuli à véhicule unique n'était pas statistiquement significative (p=0,139) en raison d'une plus grande variabilité inter-sujets.
Corrélats psychoacoustiques : L'étude a révélé que l'« Impulsivité » (dérivée d'un modèle d'audition) était le corrélat psychoacoustique le plus fort avec l'annoyance moyenne (Rho de Spearman = 0,823, p = 0,0006).
Non-additivité et direction : L'annoyance ne pouvait pas être expliquée par les niveaux de pression acoustique pondérés A ( $L_{Aeq}$ ), qui ne montraient aucune corrélation significative avec l'annoyance (Rho de Spearman = -0,154). De plus, l'inversion de la direction d'approche (voie proche vs voie éloignée) n'a pas modifié de manière significative les évaluations d'annoyance, indiquant que la dominance acoustique spécifique du véhicule de la voie proche n'a pas dicté l'annoyance perçue dans ce montage.

Signification et affirmations
L'article affirme que sa principale contribution est de valider une vision « basée sur la scène » de l'évaluation de l'AVAS par rapport à l'approche traditionnelle de la source isolée. Les résultats démontrent que l'annoyance d'une scène AVAS multi-sources n'est pas simplement la somme de ses parties constituantes ; plutôt, l'interaction des sources crée un effet non additif qui augmente l'annoyance perçue.

Les auteurs postulent que ce phénomène peut s'expliquer par l'organisation de la scène auditive et le masquage de l'information, où la tentative du cerveau d'organiser plusieurs sources sonores en mouvement conduit à la confusion et à une augmentation de l'annoyance. Cela s'aligne sur la théorie du paysage sonore (soundscape), qui privilégie la perception de la scène entière plutôt que l'analyse de sources individuelles.

L'étude conclut que les méthodologies actuelles de test sur source unique sont insuffisantes pour prédire l'annoyance réelle dans les environnements de trafic. Elle suggère que la conception et l'optimisation futures de l'AVAS devraient intégrer des tests perceptuels et des paramètres psychoacoustiques, spécifiquement l'impulsivité, pour mieux modéliser les interactions multi-sources. Les auteurs reconnaissent les limites, notamment la petite taille de l'échantillon (N=10), l'ensemble limité de stimuli et la vitesse fixe, notant que les travaux futurs devront élargir l'ensemble des stimuli pour inclure plus de types de véhicules, des bruits de fond et des scénarios d'intersections complexes avec plus de deux véhicules.

Articles similaires