Validation of a driver model for energy consumption simulations of road vehicles

Pour comprendre la consommation de carburant d'un camion, les ingénieurs s'appuient depuis longtemps sur une méthode qui traite le véhicule comme un passager d'un train. Ils définissent un itinéraire spécifique avec une limite de vitesse stricte et un ensemble d'arrêts, puis observent si le véhicule parvient à suivre ce scénario. Cette approche fonctionne bien pour tester des moteurs en laboratoire, mais elle ignore une réalité cruciale : les vrais conducteurs ne suivent pas un scénario. Ils réagissent au monde qui les entoure. Ils voient une courbe sur la route, un changement de panneau de limitation de vitesse ou une colline, et ils ajustent leur vitesse en conséquence. Ces décisions de l'ordre de la fraction de seconde, dictées par le jugement et la perception humaine, ont un impact massif sur la quantité d'énergie qu'un véhicule consomme. Si nous voulons prédire précisément la consommation de carburant dans le monde réel, nous ne pouvons pas nous contenter de simuler la machine ; nous devons aussi simuler la personne derrière le volant.

C'est le défi relevé par une équipe de chercheurs de Suède qui s'est donné pour mission de construire un modèle numérique d'un conducteur de camion. Leur objectif n'était pas de créer une copie parfaite de l'esprit humain, mais de créer un ensemble simple de règles capables de traduire les indices environnementaux — comme la forme de la route ou une limite de vitesse légale — en un profil de vitesse réaliste. Ils voulaient savoir si un programme informatique pouvait apprendre à conduire comme un humain, spécifiquement pour aider à prédire la consommation d'énergie des poids lourds. Pour tester leur idée, ils se sont tournés vers deux sources de vérité très différentes : un petit simulateur de conduite où des chauffeurs de camions professionnels ont été invités à parcourir un itinéraire virtuel, et une base de données massive de journaux de bord réels provenant de centaines de camions circulant réellement sur des routes publiques.

Les chercheurs ont conçu leur modèle pour qu'il réfléchisse de deux manières distinctes, tout comme un conducteur humain. Premièrement, il y a la partie « tactique », qui est le cerveau du conducteur. Cette partie observe la route en amont, voit une courbe ou un panneau de limitation de vitesse, et décide quelle devrait être la vitesse idéale. Deuxièmement, il y a la partie « opérationnelle », qui agit comme les mains et les pieds du conducteur. Cette partie prend cette vitesse idéale et détermine la force avec laquelle il faut presser la pédale d'accélérateur ou de frein pour que le camion atteigne cette vitesse. L'équipe voulait voir si cette approche divisée pouvait reproduire avec précision le comportement observé à la fois dans le simulateur et dans le monde réel.

Lorsqu'ils ont testé le côté « opérationnel » du modèle en utilisant les données du simulateur, ils ont constaté que les conducteurs n'étaient pas aussi constants qu'une simple machine le serait. Les chercheurs ont tenté d'ajuster les commandes du modèle pour correspondre aux mouvements de pédales des conducteurs, mais les réglages devaient changer selon le conducteur et l'événement spécifique, comme monter une pente raide ou en descendre une. En fait, le modèle a rencontré des difficultés significatives lorsque les camions montaient des collines. Les conducteurs semblaient se comporter différemment dans ces situations, probablement parce que la puissance du moteur du camion était limitée ou parce qu'ils devaient changer de vitesse, des facteurs que le modèle simple ne saisissait pas pleinement. L'équipe a également remarqué que les conducteurs n'ajustaient pas les pédales de manière constante et continue. Au lieu de cela, ils semblaient attendre que leur vitesse dévie trop de la cible avant de procéder à une correction. Cela suggérait qu'un système de contrôle simple et constant pourrait ne pas suffire à décrire comment les humains conduisent réellement, et qu'un modèle permettant des pauses et des ajustements soudains pourrait être plus précis.

Le côté « tactique » du modèle, qui décide de la vitesse à adopter dans une courbe, a apporté des enseignements fascinants lors de la comparaison entre le simulateur et le monde réel. Les chercheurs ont observé comment la vitesse changeait en fonction du rayon de la courbe. Dans les données du monde réel provenant des camions réels, les conducteurs ajustaient leur vitesse d'une manière qui correspondait étroitement à une règle empirique physique : à mesure que la courbe devient serrée, la vitesse chute selon une relation mathématique prévisible. Cette relation suggérait que les conducteurs réels sont largement guidés par les limites physiques de confort et de sécurité. Cependant, dans le simulateur de conduite, les conducteurs se comportaient différemment. Ils ne ralentissaient pas autant que les conducteurs du monde réel lors de courbes serrées. Les chercheurs soupçonnent que cela est dû au fait que l'environnement du simulateur manque des indices visuels et physiques subtils qui aident un conducteur à juger la vitesse et la distance dans la vie réelle. Dans le simulateur, les conducteurs semblaient moins conscients de la serrage de la courbe, entraînant une réaction plus faible.

En comparant ces deux mondes, l'équipe a appris que, bien que leur modèle simple puisse capturer les tendances générales du comportement des conducteurs, il présentait des limites claires. Le modèle fonctionnait suffisamment bien pour montrer que les conducteurs ralentissent généralement pour les courbes et accélèrent pour les collines, mais il ne pouvait pas prédire parfaitement la vitesse exacte à chaque instant. Les données du monde réel montraient une grande variation entre les différents conducteurs, certains conduisant beaucoup plus vite ou plus lentement que d'autres sur la même route. Les données du simulateur montraient une variation encore plus grande, mais elles révélaient également que les conducteurs dans la simulation réagissaient à une version moins convaincante de la réalité. L'étude a conclu que le modèle proposé est un outil viable et transparent pour simuler le comportement des conducteurs, mais qu'il doit être amélioré pour tenir compte de la nature désordonnée et imprévisible du trafic réel et de la manière imparfaite dont les humains perçoivent leur environnement.

Enfin, ce travail offre une image plus claire de la manière de construire de meilleures simulations pour l'avenir des transports. Il montre que pour véritablement comprendre la consommation d'énergie, nous devons regarder au-delà du moteur et considérer l'élément humain. Bien que le modèle ne soit pas encore une réplique parfaite d'un conducteur humain, il démontre avec succès que diviser le problème en décisions tactiques et actions opérationnelles est une voie prometteuse. Les chercheurs suggèrent que les futures versions de ce modèle devront inclure plus de détails sur l'environnement et le caractère aléatoire du comportement humain pour devenir des outils réellement fiables pour la conception de véhicules plus efficaces.