Académique Documents
Professionnel Documents
Culture Documents
T
H
H
S
S
E
E
En vue de l'obtention du
D DO OC CT TO OR RA AT T D DE E L L U UN NI IV VE ER RS SI IT T D DE E T TO OU UL LO OU US SE E
Dlivr par L'Universit de Toulouse II
Discipline ou spcialit : Psychologie Cognitive
JURY
Cellier, Jean-Marie, Directeur d'Etudes E.P.H.E., Toulouse, prsident
Chauvin, Christine, matre de confrences, HDR, universit de Bretagne sud, rapporteur
Hoc, Jean-Michel, directeur de recherche, CNRS, Nantes, rapporteur
Raufaste ric, professeur, universit de Toulouse le Mirail, directeur de thse
Baccino, Thierry, Professeur, universit Nice-Sophia Antipolis
cole doctorale : cole Doctorale Aronautique et Astronautique
Unit de recherche : CLLE-LTC (UMR 5263 du CNRS)
Directeur(s) de Thse : ric Raufaste
Rapporteurs : Christine Chauvin, matre de confrence (HDR), universit de Bretagne sud
Jean-Michel Hoc, directeur de recherche, CNRS, Nantes
Prsente et soutenue par Charles Pompanon
Le 02/06/2009
Titre : De la perception l'action:
Modlisation et simulation de la dtection de conflit sur radar
chez les contrleurs ariens "en-route" dans l'architecture cognitive ACT-R.
Charles Pompanon : De la perception laction: Modlisation et simu-
lation de la dtection de conit sur radar chez les contrleurs ariens
en-route, Thse de Doctorat, 02 Juin 2009
RSUM
Le premier objectif de cette thse est denrichir la comprhension que
nous avons des processus cognitifs impliqus dans la dtection de conit
entre deux avions chez les contrleurs ariens en-route . Le second
objectif est de valider un nouveau modle cognitif de prise de dcision
en comparant les donnes recueillies auprs de contrleurs ariens exp-
riments avec celles issues des simulations du modle implment dans
larchitecture cognitive ACT-R 6.
Dans un premier temps, notre approche sest focalise sur les aspects
perceptifs de la dtection de conit. Les rsultats issus de trois expriences
runissant 799 participants nous ont permis (1) de dcrire un biais que nous
avons appel innershoot , et (2) de mettre en vidence les principales
stratgies perceptives utilises pour cette tche. Linnershoot est une sous-
estimation de la position du point de croisement de deux trajectoires
convergentes. Autrement dit, le point dintersection est peru avant sa
position relle. Ce biais est pris en compte lors de limplmentation de
notre modle.
Dans un second temps, nous avons compar trois modles de la dtec-
tion de conit (Niessen, Leuchter, & Eyferth, 1998 ; Rantanen & Nunes,
2005 ; Raufaste, 2006) laide de donnes sur les mouvements oculaires.
Trente contrleurs expriments devaient soit dcider prcisment si deux
avions taient en conit, soit estimer sils devaient intervenir dans une
telle situation. Aucun des trois modles ne pouvait rendre compte de nos
donnes. Nous avons donc dcid de crer un nouveau modle inspir par
lanalyse de nos rsultats.
Notre modle a t implment dans larchitecture cognitive ACT-R 6.
La confrontation des rsultats des contrleurs humains avec ceux obtenus
par le modle lors des simulations montre que notre modle est valide tant
sur le plan des processus cognitifs impliqus dans la dtection de conit
que sur le plan de la performance produite.
Mots-cls : prise de dcision, modlisation computationnelle, ACT-R,
contrle du trac arien, oculomtrie.
iii
ABSTRACT
Our rst goal was to enhance our understanding of air trac controllers
cognitive processes involved in a conict detection task. Our second goal
was to implement these processes in the ACT-R 6 cognitive architecture.
Firstly, our approach focused on the perceptive aspect of conict detec-
tion. Results issued from three experiments with 799 participants led us to
describe a perceptive bias, named innershoot , and several perceptual
strategies involved in this task. Innershoot predicts that the crossing point
of two convergent trajectories tend to be underestimated. In others words,
the intersection point is perceived before its actual position. This bias will
be taken into account in our computational model.
Secondly, three models of conict detection decision making (Niessen et
al., 1998 ; Rantanen & Nunes, 2005 ; Raufaste, 2006) have been compared
using eye-tracking data. Thirty experienced air trac controllers had to
either decide if two aircraft were in conict or either estimate if they should
intervene in such a situation. Results showed that none of the three models
could fully account for the data. These results led us to produce a new
model of hierarchical decision-making.
Our model was implemented and simulated in the cognitive architecture
ACT-R 6. Data issued from our model simulations were challenged by data
obtained by human controllers. Results supported the models validity both
on performance and cognitive processes involved in conict detection.
Key-words : decision making, computational modeling, ACT-R, air trac
control, eye-tracking data.
iv
REMERCI EMENTS
Je voudrais en premier lieu remercier ric Raufaste sans qui tout ce
projet naurait pas t possible. Merci de mavoir suivi et fait conance
depuis ces nombreuses annes. Merci aussi pour les multiples remises en
question, elles mont permis de progresser et dapprendre lhumilit.
Merci la fondation dentreprise EADS qui nous a fait conance en
nanant ce projet.
Merci aux psychologues de lENAC qui mont initi la nbuleuse des
mtiers de laviation civile. Votre accueil fut chaleureux et dune humanit
remarquable. Merci Fanny Benam, Didier Jambert, Daniel Espart pour
leur conance et pour mavoir permis de participer aux slections des
lves pilotes de ligne (je suis vraiment dsol de vous avoir fait faux bon
il y a trois ans, cependant il est certain que vous ny avez pas perdu au
change :-) ). Merci galement Nadine Matton, avec qui ce fut un rel
plaisir de travailler.
Je naurais jamais pu avoir accs aux contrleurs ariens sans laide de
Philippe Averty (DTI/SDER, DGAC). Il ma permis dentrer en contact
avec les inspecteurs dtudes et les lves ingnieurs du contrle arien, et
avec les sympathiques et disponibles contrleurs ariens du centre rgional
de la navigation arienne de Bordeaux.
Merci aux membres du laboratoire CLLE-LTC pour mavoir permis
dexprimenter la vie de laboratoire. Je voudrais remercier plus particu-
lirement Brigitte Je pars la Guadeloupe Roc pour son indispensable
collaboration lors de la programmation des protocoles exprimentaux.
Merci Pierre-Vincent Headshot Paubel et Virginie Demeure pour les
discussions enrichissantes et leur sympathie. Merci tienne Mullet pour
nos trop brefs nanmoins stimulants changes.
Je ne peux passer sous silence le soutien indfectible de mes parents.
Jamais je naurais pu entreprendre ce long parcours sans vous. Merci
davoir accept mes choix.
Merci Sylvana, le soleil de mes instants qui me permet tous les jours
dilluminer ma vie. Tu es unique et prcieuse.
v
TABLE DES MATI RES
1 i ntroducti on 1
I Partie Thorique 7
2 la t ache du contr oleur a eri en en-route 9
2.1 Description du contexte dactivit du contrleur arien 10
2.1.1 Trois types de contrle du trac arien 10
2.1.2 Quelques dtails sur le contrle en-route 11
2.2 Les facteurs situationnels qui inuencent la dtection de
conits 13
2.2.1 Le nombre davions simultanment achs 13
2.2.2 Le temps avant conit et type de surveillance 14
2.2.3 Les direntes congurations gomtriques 14
2.3 Les stratgies impliques dans la dtection de conit 15
2.3.1 Stratgie lexicographique de Rantanen et Nunes
(2005) 15
2.3.2 Le modle de Raufaste 18
2.3.3 La dtection de conit dans le modle MoFl 19
2.4 Dirences entre ATC experts et ATC novices 20
2.5 Contrle arien et activit oculomtrique 22
2.6 Synthse 23
3 probl emati que(s) 25
3.1 Linuence des distances dans la dtection de conit :
modles dAverty et de Stankovic et al. 26
3.2 Les modles de processus 26
3.2.1 MoFl 27
3.2.2 Le modle hirarchique 28
3.2.3 En quoi ces modles sont-ils dirents ? 28
3.2.4 Les prdictions de chaque modle lors dune tche
de dtection de conit 29
3.3 Le modle computationnel de Raufaste 30
3.4 Comment construire un modle de la dtection de conit
implmentable ? 31
3.4.1 Le choix de la mthode 31
3.4.2 Le choix des variables observables : le besoin de
donnes oculaires 32
vii
viii Table des matires
3.5 Hypothses Gnrales 33
II Recueils de donnes exprimentales 35
4 i nf erence du poi nt di ntersecti on de deux trajectoi res 37
4.1 Les jugements de colinarit : approche gnrale 38
4.1.1 Dnition et caractristiques gnrales 38
4.1.2 Situations particulires de jugements de colina-
rit 39
4.2 Estimer le point dintersection de deux trajectoires 40
4.3 Lhypothse de linnershoot 41
4.4 Exprience 1 44
4.4.1 Mthode 44
4.4.2 Rsultats et discussion 47
4.5 Exprience 2 49
4.5.1 Mthode 49
4.5.2 Rsultats et discussion 51
4.6 Exprience 3 : mouvements oculaires et innershoot 54
4.6.1 Quelques stratgies perceptives pour localiser le
point dintersection de deux segments convergents 55
4.6.2 Mthode 56
4.6.3 Rsultats 58
4.7 Discussion gnrale 62
4.7.1 Innershoot : un biais perceptif ou moteur ? 63
4.7.2 Est-ce que ces rsultats peuvent tre expliqus par
une dcience de la mmoire visuo-spatiale ? 64
4.7.3 Implications de lorientation absolue et relative
des segments sur la distribution des rponses ca-
ractrisant les nuages de points 65
4.7.4 Consquences thoriques et mthodologiques 65
4.7.5 Retour sur la situation de dtection de conit chez
les contrleurs ariens 66
5 mod` ele th eori que de la d etecti on de confli t 69
5.1 Hypothses 70
5.1.1 Lordre des xations 70
5.1.2 Le rang des frquences de xation 70
5.1.3 Les temps de rponse 70
5.1.4 Performance 71
5.1.5 Eet de la consigne 71
5.2 Exprience 72
5.2.1 Mthode 72
5.2.2 Rsultats 77
Table des matires ix
5.3 Discussion et conclusion 85
5.3.1 Discussion des rsultats 86
5.3.2 Conclusion 91
5.3.3 un nouveau modle 91
5.3.4 Considrations nales : dtection de conit ou
jugement dintervention 96
III Simulation 101
6 un aper cu des si mulati ons de la t ache de contr ole a e-
ri en 103
6.1 CATS : Crew Activity Tracking System 105
6.1.1 Structure de larchitecture et ux dinformations 105
6.1.2 Lactivit du modle CATS 107
6.2 Le projet airmidas 109
6.2.1 Fondements thoriques dAirMidas 109
6.2.2 Rsultats obtenus 110
6.3 apex/cpm-goms : 111
6.3.1 Architecture dApex 111
6.3.2 Dcomposition de la tche des contrleurs ariens
en-route et rsultats 112
6.4 mo 114
6.4.1 Principe et spcicit dACT-R 3.0 114
6.4.2 Le modle 115
6.5 Synthse 117
7 si mulati on de la d etecti on de confli t dans act-r 119
7.1 Larchitecture ACT-R 119
7.1.1 Principes gnraux 120
7.2 Les modules 123
7.2.1 Le module dclaratif 123
7.2.2 La mmoire procdurale 125
7.2.3 Les modules perceptifs et moteurs 127
7.2.4 Le module des buts 128
7.3 Le modle ACT-R 129
7.3.1 La structure des buts 129
7.3.2 Les processus cognitifs impliqus dans chaque
sous-but 132
7.3.3 Exemple et analyse de la trace dun essai 144
7.3.4 Rsultats 149
7.4 Discussion et conclusion 157
8 conclusi on et perspecti ves 163
x table des mati ` eres
8.1 Les apports de notre travail 163
8.2 Les limites de notre approche 165
8.2.1 Le rductionnisme 165
8.2.2 Un modle post-hoc 167
8.3 Perspectives de recherches et applications potentielles 167
8.3.1 Applications potentielles 169
a annexe 173
Rfrences 195
LI STE DES FI GURES
Figure 1 Reprsentation dune erreur de colinarit ; X
est la rponse estime ; est langle entre le seg-
ment test et laxe horizontal. 38
Figure 2 Modle thorique du point dintersection peru
de deux segments convergents (daprs Mitrani
et Yakimo, 1983). Le recouvrement des deux
ensembles de lignes partant des segments (a, a
)
et (b, b
) est reprsente
par un ensemble de lignes droites (A) dont lorigine est lex-
trmit du segment.
3
(Mitrani & Yakimo, 1983, p. 186)
De fait, si on considre deux segments convergents, les deux ensembles
de lignes qui reprsentent lorientation perue de chaque segment se
croisent. Le chevauchement de ces deux ensembles forme une aire qui
contient lensemble des estimations possibles de la position perue du
point dintersection (voir Figure 2). Les auteurs en dduisent que la distri-
bution des donnes sera bidimensionnelle et formera une ellipse dont la
forme dpendra de la conguration gomtrique des segments.
Par consquent, les estimations du vertex dun angle form par deux
lignes convergentes forment un ensemble de rponses dont la forme est
proche dune ellipse. La forme et lorientation de cette ellipse sont in-
uences par lalignement dun des deux segments avec un axe cardinal
(horizontal ou vertical), par la distance entre le point dintersection rel et
le sommet de chaque segment et par langle form par les deux segments.
Nous proposons un modle psychologique qui dcrit plus prcisment
la distribution des rponses dans une tche de localisation du point dinter-
section de deux lignes convergentes. Ce modle sappuie sur les rsultats
issus de la littrature sur les jugements de colinarit.
4.3 lhypoth` ese de li nnershoot
Comme propos par Mitrani et Yakimo (1983), nous pensons que
la perception du point dintersection de deux lignes convergentes est le
rsultat cumul de deux erreurs de colinarit. Chacune de ces erreurs
dpend de lorientation des segments. Par consquent, les tentatives de
localisation du point dintersection sont probablement biaises de la mme
faon que les jugements de colinarit. De plus, en dpit de la dirence
des tches proposes par Greene et al. et Hotopf, nous navons aucune
raison de penser que leet dinduction ou dattraction ne soit pas oprant
dans la tche qui nous intresse.
Si aucun bias systmatique nexiste, alors les rponses des participants
devraient former un nuage de points centrs sur la cible (hypothse nulle).
Considrons deux segments A et B. Supposons que les participants foca-
lisent en premier sur le segment A qui devient le segment test, et que par
consquent, le segment B devient le segment inducteur. Si on applique
le principe dinduction angulaire, lalignement peru avec le segment A
sera biais vers linducteur, soit vers le segment B. Il est donc possible
3. The perceived orientation of the line segment (a, a
) is represented by a bundle of
straight lines (A) originating from the end of the segment.
42 i nf erence du poi nt di ntersecti on de deux trajectoi res
b
a
a
b
R
M N
S Q
O
T V
P
A B
Figure 2: Modle thorique du point dintersection peru de deux seg-
ments convergents (daprs Mitrani et Yakimo, 1983). Le re-
couvrement des deux ensembles de lignes partant des segments
(a, a
) et (b, b
A
.
B
B
Figure 3: Innershoot caus par deux eets cumuls dinduction : X est
le point dintersection rel ; R est une rponse type ;
A
and
B
sont les deux erreurs de colinarit. Leet dinduction induit
que
A
est orient vers le segment B, et que
B
est orient
vers le segment A. Par consquent, les rponses tendront tre
plus favorablement estimes dans langle AXB quen dehors
(Innershooting).
de prvoir une premire erreur de colinarit
A
dirige vers B. Dans un
deuxime temps, le participant va porter son attention sur le segment B
qui cet instant prend le rle de segment test et A prend celui dinducteur.
Il est par consquent possible quune seconde erreur de colinarit
B
soit dirige vers A (voir la Figure 3). tant sous linuence cumule de
deux attractions, lensemble des points de rponse devrait tre plus dense
lintrieur (i.e., devrait contenir plus de rponses par unit de surface)
qu lextrieur de langle form par les deux droites portant les segments :
cette prdiction est nomme innershoot.
Maintenant, si on intgre les travaux de Greene et al. (Greene et al.,
2000 ; Greene & Frawley, 2001 ; Greene, 1993), nous pouvons postuler
que pour une orientation absolue dun segment, lerreur de colinarit est
intra-individuellement constante. Dit autrement, si on utilise les termes de
la Figure 3, les angles
A
et
B
devraient tre constants pour un individu
donn. Donc, si la distance entre les segments et le point dintersection
augmente, la position perue du point de croisement aura tendance tre
estime plus loin lintrieur de langle que la position relle du point
dintersection S.
En ajoutant cette nouvelle hypothse au modle, on peut prdire que
pour une mme conguration angulaire dune paire de segments et intra-
44 i nf erence du poi nt di ntersecti on de deux trajectoi res
individuellement, linnershoot devrait tre plus fort lorsque la distance
entre les segments et le point dintersection augmente. Dun autre ct,
aucun rsultat empirique ne permet de prvoir que les erreurs
A
et
B
restent constantes lorsque les deux droites sont extrapoles. Elles
peuvent autant tre augmentes que rduites et peut-tre pas dans les
mmes proportions. Donc, la seule hypothse que nous pouvons mettre
est que le degr dinnershoot variera avec la distance entre les segments
et le point dintersection. Par le mme principe, nous ne pouvons prvoir
leet de la variation de langle form par les deux segments sur
A
et
B
, et donc sur le degr dinnershoot.
Pour rsumer, le modle nous permet de faire trois prdictions :
1. Innershooting. Aprs avoir contrl la surface, le nombre de r-
ponses tombant dans langle AXB dni par les deux segments et le
point dintersection sera relativement plus important que le nombre
de rponses tombant en dehors de cet angle.
2. Eet de Distance. Pour une paire de segments avec la mme con-
guration angulaire, la frquence dinnershoot va varier en fonction
de la distance entre les segments et le point dintersection.
3. Eet de lAngle. Comme les dirents travaux sur les jugements
de colinarit lont dmontr, les erreurs de colinarit sont contin-
gentes avec lorientation absolue des segments. Il est donc pro-
bable que la variation des angles de convergence entre les segments
conduise des dirences sur leet dinnershoot.
4.4 exp eri ence 1
4.4.1 Mthode
Participants
Un total de 556 participants ont particip lexprience (508 hommes,
48 femmes, tranche dge 1730, M = 20, = 2, 5). Cette exprience
faisait partie dune srie de tests crs pour slectionner des candidats au
concours dentre des lves pilotes de ligne (EPL) de lcole Nationale de
lAviation Civile, Toulouse (ENAC). Tous les candidats avaient une vision
normale ou corrige.
Dispositif exprimental et procdure
Lexprience tait programme et passe sur un ordinateur quip dun
cran de 17 pouces avec une rsolution de 1024 768 et un taux de
rafrachissement de 75 Hz. Chaque participant tait plac face lcran
environ 50 cm du moniteur. Le curseur de la souris tait le curseur standard
4.4 exp eri ence 1 45
de Windows. Les instructions taient prsentes la fois visuellement
et oralement (i.e., sur lcran et grce des couteurs individuels). Les
participants devaient marquer laide de la souris le point dintersection
dune srie de paires de segments. Chaque segment tait reprsent par un
triangle avec son sommet une extension de 1 cm indiquant sa direction.
A chaque essai, les participants pouvaient indiquer la localisation perue
de lintersection des deux segments en cliquant lendroit dsir avec
le bouton gauche de la souris. Aprs le premier clic de chaque essai, un
bouton de couleur jaune apparaissait lendroit de la rponse et un bouton
de validation apparaissait en haut au centre de la fentre du dispositif
exprimental. Les participants pouvaient modier la localisation de leurs
rponses tant quils ne les validaient pas avec le bouton prvu cet eet.
Les participants ne devaient utiliser aucun moyen physique pouvant les
aider faire leur choix (e.g., placer une main sur lcran pour pouvoir
vrier le bon alignement de la rponse etc.). Lexprience commenait par
deux essais de familiarisation suivis de six essais exprimentaux. Une fois
que les instructions taient comprises, les participants devaient cliquer pour
commencer les essais de familiarisation. Lors des essais de familiarisation,
la position relle du point dintersection tait montre la n de chaque
essai une fois la rponse du candidat valide. Par la suite, aucun feedback
ntait fourni. Le temps de passation tait limit 240 secondes pour
raliser les six essais. Les candidats taient informs du temps restant
grce une barre de progression ache constamment en bas de lcran.
Tche, variables et hypothses
Les paires de stimuli taient construites en fonction de deux variables.
Premirement, la distance visuelle entre les deux segments et le point
dintersection pouvait prendre deux valeurs : une correspondant une
distance quivalente laire de vision parafovale et lautre correspondant
laire de vision priphrique, soit respectivement 5 (Distance Courte) et
10 (Longue Distance) dangle de vision. Les deux segments dun mme
essai taient toujours la mme distance visuelle. La distance visuelle des
essais de familiarisation tait de 7,5.
La deuxime variable manipule tait langle de convergence des seg-
ments
c
qui pouvait prendre trois valeurs : 45, 90et 135. Les valeurs
dangle de convergence pour les essais de familiarisation taient de 60et
de 120. Lemplacement du point dintersection de chaque essai a t
alatoirement assign, et chaque conguration de segments a subi une
rotation alatoire centre sur le point dintersection. Tous les participants
ont vu exactement les mmes stimuli, toutefois lordre de prsentation a
t randomis.
46 i nf erence du poi nt di ntersecti on de deux trajectoi res
La premire variable dpendante tait le nombre de rponses tombant
lintrieur de langle form par les deux segments, r
In
. Pour un angle
donn, ce nombre peut tre compar la probabilit dune rponse ala-
toire tombant lintrieur de langle, soit p =
c
/360. Si le nombre de
rponses est signicativement plus grand que cette probabilit, alors il y a
innershoot. Linnershoot peut donc tre calcul comme la dirence entre
ces deux valeurs.
La seconde variable dpendante est lerreur. Lerreur est la distance en
pixels entre la rponse donne par un participant et lendroit rel du point
dintersection. Dans cette conguration, 1cm 30 pixels.
Finalement, les hypothses oprationnelles pour cette exprience sont
les suivantes :
1. Linnershoot sera observ dans chaque condition :
c
, p(r
In
) (
c
/360) > 0
2. Linnershoot et la taille absolue de lerreur seront aects par la
distance entre les segments et le point dintersection ;
3. Linnershoot et la taille absolue de lerreur seront aects par la
valeur de langle de convergence
c
form par les deux segments.
Analyses
Quatre participants sur 556 ont donn une rponse aberrante. Ces r-
ponses taient localises prs dun bord de lcran proximit du bouton
de validation des rponses. Ces rponses sont probablement dues au fait
que ces participants ont d cliquer ct du bouton de validation une fois
leur jugement fait, ce qui a par consquent dplac leur rponse. Ils nont
pas d sen rendre compte et ont prcipitamment valid leurs rponses.
Les donnes de ces participants ne seront pas incluses dans les traitements
statistiques. Certains participants (N = 100) nont pas termin lexp-
rience avant le temps imparti et nont pu rpondre au dernier essai. Les
donnes correspondantes ont t remplaces par la moyenne de la srie.
Il est important de noter que les rsultats reports ci-dessous ne changent
pas si les donnes manquantes sont simplement ignores pour les tests.
Linnershoot a t calcul pour chaque condition et test en comparaison
la valeur 0. Lerreur est calcule en agrgeant les trois rponses (une pour
chaque angle) pour la distance courte et la distance longue. Les temps de
rponse ont subi une transformation de type logarithme de base 2 pour en
normaliser la distribution.
4.4 exp eri ence 1 47
Table 1: Eets de la distance visuelle et de langle de convergence sur
lextrapolation du point dintersection (Exprience 1, N = 552).
Distance Courte Longue Distance Total
Innershoot
Angle M () M () M ()
45 .28 (.02) .16 (.02) .22 (.01)
90 .46 (.02) .00 (.02) .23 (.01)
135 .31 (.02) .56 (.01) .43 (.01)
Total .35 (.01) .24 (.01) .29 (.01)
Erreur en pixels
Angle M () M () M ()
45 14,0 0,5 26,4 0,8 20,2 0,5
90 6,3 0,1 21,5 0,5 13,9 0,3
135 13,9 1,5 33,0 0,9 23,5 0,9
Total 11,4 0,5 27,0 0,5 19,2 0,4
4.4.2 Rsultats et discussion
Innershoot
Au niveau intra sujet, on a observ de linnershoot dans cinq scnarios
sur six (voir Table 1), tous les tests taient signicatifs (p
s
< .01) sauf
pour la condition 90
B
en fonction de la distance qui permettait de prdire plus dinnershoot
dans la condition longue distance. Une explication possible est que les
scnarios longue distance ont t plus durs traiter. Or les participants
taient extrmement motivs, ils ont donc pu sinvestir davantage dans les
cas les plus diciles et donc mieux contrler la qualit de leurs rponses.
Cette explication peut tre soutenue par lanalyse des temps de rponse. La
moyenne des temps de rponse dans la condition courte distance tait de
11,51 s ( = 0, 18 s) versus 12,01 s ( = 0, 20 s) dans la condition longue
distance, (F(1, 555) = 6, 4 ; MSE = 0, 28 ; p = .011). Donc, en moyenne,
les participants ont consacr plus de temps (une demi seconde) sur les
scnarios impliquant de longues distances. Toutefois, cette explication
est confronte aux rsultats sur les tailles derreurs : lerreur tait plus
grande dans les cas de longue distance par rapport aux cas courte distance
(F(1, 555) = 1439, 4 ; MSE = 2, 05 ; p < .01). Il est dicile dexpliquer
comment la distance peut rduire linnershoot et augmenter lerreur dans
le mme temps.
Eets de langle de convergence et autres rsultats
Les rsultats obtenus conrmrent un eet de langle de convergence
(F(2, 1110) = 167, 8 ; MSE = 1, 85 ; p < .01). Linteraction distance-
angle fut galement signicative (F(2, 1110) = 32, 1 ; MSE = 1, 77 ;
p < .01). Les graphiques de dispersion des rponses montrent deux formes
prvisibles du nuage de points. Quand un des deux segments est proche
dun axe cardinal, alors le nuage de points est elliptique et semble align
sur laxe cardinal (cf. Yakimo, 1977a et Mitrani & Yakimo, 1983). La
seconde forme est circulaire, et apparat gnralement pour des cas o
langle de convergence est de 90. Deux patterns types sont prsents dans
la Figure 4. Les reprsentations des autres nuages de points pourront tre
trouves en annexe.
Cette exprience montre bien lexistence dun eet dinnershoot : une
dominance des rponses lintrieur de langle form par les deux seg-
ments par rapport celles donnes lextrieur de langle. Toutefois,
leet de distance est quelque peu droutant par rapport aux prdictions
bases sur la constance des erreurs de colinarit.
Il convient de noter que la motivation des participants tait globale-
ment garantie par les conditions spciques de cette exprience (concours
dentre des lves pilotes de lignes lENAC). Bien que la tche puisse
paratre simple une telle population, et bien que les participants ont
certainement d faire de leur mieux, nous avons tout de mme pu observer
de linnershoot. Dun autre ct, il est possible que la pression tempo-
relle ait aect les performances des candidats. De plus, seuls six essais
4.5 exp eri ence 2 49
-40
-30
-20
-10
0
10
20
30
40
-40 -30 -20 -10 0 10 20 30 40
>100
>50
<50
-40
-30
-20
-10
0
10
20
30
40
-40 -30 -20 -10 0 10 20 30 40
>100
>50
<50
Figure 4: Le nuage de points de gauche parat circulaire. Cela se produit
quand les deux segments forment un angle de 90. Sur le ct
droit, le nuage de points est elliptique et semble align sur laxe
horizontale. Des schmas similaires ont t observs quand un
segment est align sur un axe cardinal. Chaque point reprsente
une rponse, la couleur des points reprsente la densit des
rponses dans un rayon de 5 pixels. Les points les plus sombres
sont ceux qui ont des valeurs de densit leves.
exprimentaux, soit un par condition, avec deux essais de familiarisation
ont servi pour tablir nos rsultats. Il est donc possible quun manque de
pratique ait induit de limprcision dans les rponses des candidats. Un
ensemble de scnarios plus important nous aurait permis de mieux cerner
les eets dinnershoot. Pour toutes ces raisons, nous avons rpliqu cette
exprience en largissant le nombre de scnarios.
4.5 exp eri ence 2
4.5.1 Mthode
Participants
Deux cent dix huit tudiants de luniversit de Toulouse II (98 hommes
et 120 femmes, tranche dge 1746, M = 23, 7, = 4, 5) se sont ports
volontaires pour participer cette exprience. Tous avaient une vision
normale ou corrige.
Dispositif exprimental et procdure
Le dispositif exprimental est le mme que celui utilis pour lexp-
rience 1 sauf que les consignes nont t prsentes que visuellement.
50 i nf erence du poi nt di ntersecti on de deux trajectoi res
Stimuli
Nous avons rajout deux modalits dangles de convergence (67 and
112 ) en plus de ceux de lexprience 1. Les angles de convergence
pour les essais de familiarisation avaient comme valeur 60 , 90 , 120 ,
190 , 220. La distance visuelle suivait les mmes modalits que celles
de lexprience 1. Chacune des 2 5 paires de segments a t prsente
8 fois. Les huit rptitions ont t construites en appliquant une rotation
alatoire chaque conguration de base. Une fois la rotation eectue,
la paire de segments tait place alatoirement sur lcran. Au nal, un
total de quatre-vingts congurations spatiales ont t prsentes chaque
participant. Lordre des prsentations a t randomis.
Variables, hypothses et analyses
Les hypothses sont identiques celles de lexprience 1. Les mmes
analyses ont t conduites deux dirences prs. La premire est que
les valeurs dangles sont au nombre de cinq. La deuxime dirence
est le nombre dessais chaque condition : 80 dans lexprience 2 alors
que lexprience 1 nen comportait que 6. La frquence des rponses
lintrieur de langle fut donc calcule sur la base des 8 essais pour chaque
condition dangle et de distance.
La variable innershoot fut calcule comme dans lexprience 1 sauf
que les huit essais de chaque condition ont t agrgs pour produire
une frquence de rponses lintrieur de langle. La probabilit a priori
de tomber au hasard dans langle a t soustraite du score agrg des
frquences. La deuxime variable dpendante, lerreur, fut calcule de la
mme faon que dans lexprience 1. Les donnes ont t traites grce
des ANOVA mesures rptes. Le design exprimental tait 5 angles
2 distances. Les rponses dun candidat dpassant la distance entre les
deux segments et le point dintersection, soit 150 pixels dans la condition
courte distance et 300 dans la condition longue distance, ont t cartes.
Ces donnes (40 dans la condition courte distance et 23 dans la condition
longue distance, sur 17440 en tout) ont t remplaces par la moyenne de
la srie. An de satisfaire les conditions de normalit de la distribution,
nous avons d appliquer une transformation racine carre sur les scores
bruts. Les tests post-hoc ont t raliss grce des tests de Sche. Les
conventions de Cohen (1988) ont t utilises pour rapporter les tailles
deet.
4.5 exp eri ence 2 51
4.5.2 Rsultats et discussion
Innershoot
Au niveau intra-individuel, linnershoot fut observ dans chaque condi-
tion (voir Table 2), tous les tests t taient signicatifs (t
s
(217) > 3, 91,
p
s
< .01, d
s
[0, 27; 2, 20]). Selon les conventions de Cohen, six condi-
tions sur dix ont produit de grandes tailles deet (d
s
> 0, 99). Ce rsultat
a rpliqu les rsultats de lexprience 1 et a conrm lexistence de lin-
nershoot. Aprs avoir moyenn les valeurs des frquences dinnershoot
pour chaque candidat, les valeurs variaient de -.07 .56. Leet dinner-
shoot (frquence suprieure zro) tait prsent chez 214 participants sur
216 (99%).
Eets de la distance et de langle de convergence
Premirement, et contrairement aux rsultats de lexprience 1, linner-
shoot a t plus frquent dans la condition longue distance que dans la
condition courte distance (F(1, 217) = 45, 6 ; MSE = 0, 04 ; p < .01).
Ce rsultat est compatible avec lhypothse que dans une tche de lo-
calisation du point dintersection, les erreurs de colinarit
A
et
B
restent constantes, voire mme augmentent. Toutefois, ce renversement de
rsultats entre lexprience 1 et 2 reste dicilement explicable.
Un autre eet intressant est la baisse monotone de la frquence dinner-
shoot en fonction de langle de convergence. Plus langle de convergence
augmente, plus linnershoot dcrot (F(4, 868) = 136, 2 ; MSE = 0, 03 ;
p < .01). Les tests de Sche ont permis de classer les angles de la faon
suivante : 45
< 67
90
< 112
135
< 112
135
< 67
< 45
q
u
e
n
c
e
d
'
I
n
n
e
r
s
h
o
o
t
PfDist
PerDist
Figure 5: Innershoot en fonction de la distance et de langle de conver-
gence (Exprience 2, N = 216).
dirences entre langle de 67
,
112
, et 135
et 135
et ceux de
135
.
Les nuages de points forms par les rponses des candidats suivirent
des patterns similaires ceux dcrits dans lexprience 1 (voir lannexe
pour avoir une vue exhaustive de chaque nuage de points en fonction des
congurations angulaires). Les paires de segments formant un angle de
90
112
135
< 67
< 45
. Linteraction entre la
distance et langle de convergence tait signicative F(4, 96) = 11, 2 ;
MSE = 14, 2 ; p < .01. Les dirences derreur induites par les valeurs
dangles de convergence taient plus grandes dans la condition longue
distance que dans la condition courte distance. La condition dangle
60 i nf erence du poi nt di ntersecti on de deux trajectoi res
90
produisait des
frquences de xations lintrieur de langle plus faibles que les angles
112
et 67
q
u
e
n
c
e
d
'
I
n
n
e
r
s
h
o
o
t
PfDist
PerDist
Figure 6: Innershoot visuel : Frquence des xations lintrieur de
langle form par les lignes portant les deux segments en fonc-
tion de langle de convergence et de la distance visuelle (Exp-
rience 3, N = 25).
Table 4: Frquences des stratgies perceptives en fonction de la distance
(Exprience 3, N = 25).
courte distance longue distance Total
Stratgie M () M () M ()
Va-et-vient .06 (.05) .04 (.04) .05 (.04)
Srielle .14 (.07) .17 (.07) .15 (.07)
Hybride .31 (.09) .18 (.08) .24 (.09)
Autres .49 (.10) .61 (.10) .56 (.10)
62 i nf erence du poi nt di ntersecti on de deux trajectoi res
0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
1 2 3 4 5 6 7 8 9 10
Premier segment fix
Deuxime segment fix
Aire d'intersection
P
o
u
r
c
e
n
t
a
g
e
d
e
f
i
x
a
t
i
o
n
s
Rang des fixations
Figure 7: Dcours temporel des regards dans les trois aires dintrt (Ex-
prience 3, N = 25).
Dernirement, la Figure 7 montre le dcours temporel de la distribution
des regards dans les trois aires dintrt. Les courbes montrent clairement
que les participants arrivaient trouver le point dintersection des deux
lignes portant les segments tests. En eet, la courbe reprsentant les re-
gards dans laire de lintersection a une forme curviligne. Un modle
logarithmique rend compte de lallure de la courbe (R
2
= .95). La prdo-
minance du premier segment regard jusqu la huitime xation ntait
pas prdit. Le nombre total de dplacements dattention, sans prendre en
compte les stratgies perceptives a t calcul. Les rsultats ont montr
que ce nombre tait plus important dans la condition longue distance que
dans la condition courte distance (t(48) = 2, 89, p < .01 ; d = 0, 84).
Les formes elliptiques et circulaires prsentes dans les expriences 1 et
2 furent galement retrouves dans lexprience 3.
4.7 di scussi on g en erale
Le but de ce chapitre tait dtudier la performance sur une tche relati-
vement simple : trouver le point dintersection de deux lignes convergentes.
Nous avons tent de comprendre les mcanismes qui sous-tendaient cette
tche. En nous appuyant sur lanalyse de Yakimo (1977a) et de Mitrani
et Yakimo (1983), nous avons dcrit un modle bas sur le recouvrement
4.7 di scussi on g en erale 63
de deux jugements de collinarit. Grce aux rsultats obtenus par Greene
et al. et Hotopf, nous avons postul que chaque jugement de collinarit
serait biais : chaque estimation partir dun segment est attire vers
lautre segment. Les trois prdictions issues du modle ont t conrmes
et prcises. Premirement, les participants ont eu tendance tomber sous
linuence dun eet dinnershoot. En eet, dans les trois expriences
proposes, les participants ont produit relativement plus de rponses dans
langle form par les deux lignes portant les segments qu lextrieur de
cet angle. Deuximement, il a t dmontr quil existait un eet de la
distance sur lerreur destimation et sur la frquence dinnershoot. Bien
quau dpart, nous navions pas plus de prdiction, les expriences 2 et
3 ont tendance montrer que linnershoot et les erreurs de prcision sont
plus grands dans le cas de grandes distances visuelles que dans le cas
de distances visuelles courtes. Troisimement, linnershoot et les erreurs
de prcision variaient en fonction de langle de convergence des deux
segments. Globalement, linnershoot augmente quand la distance entre
les segments et le point dintersection augmente ou quand langle form
par les deux segments dcrot. Finalement les expriences ont montr que
leet dinnershoot est insensible des eets dapprentissage.
4.7.1 Innershoot : un biais perceptif ou moteur ?
Dans notre modle, linnershoot est la consquence de deux eets dat-
traction cumuls. Bien que le modle est corrobor par les donnes que
nous avons recueillies, leet dinnershoot pourrait tre la consquence
dun biais moteur plutt que perceptif. Lexprience 3 montre que les xa-
tions oculaires sont plus frquentes lintrieur de langle qu lextrieur,
cela suggre que lorigine du biais est plus probablement perceptive. De
plus, limprcision des rponses supporte lide dun biais perceptif. En
eet, les erreurs de prcision dans lexprience 1 varient de 0,38 cm
0,9 cm (11,4 pixels 27 pixels, avec 1 cm=30 pixels lcran). Si on
considre que les participants taient 50 cm de lcran, lerreur angulaire
variait de 0.43
1.03
p
o
n
s
e
m
o
y
e
n
s
e
n
s
e
c
o
n
d
e
s
e
t
f
r
q
u
e
n
c
e
s
d
e
r
p
o
n
s
e
s
c
o
r
r
e
c
t
e
s
(
N
=
3
0
)
.
S
A
:
m
m
e
a
l
t
i
t
u
d
e
;
D
A
:
a
l
t
i
t
u
d
e
s
d
i
r
e
n
t
e
s
;
S
S
:
m
m
e
s
v
i
t
e
s
s
e
s
;
D
S
:
v
i
t
e
s
s
e
s
d
i
r
e
n
t
e
s
;
D
i
v
=
a
n
g
l
e
s
d
i
v
e
r
g
e
n
t
s
.
A
n
g
l
e
s
d
i
v
e
r
g
e
n
t
s
A
n
g
l
e
s
n
o
n
d
i
v
e
r
g
e
n
t
s
A
l
t
i
t
u
d
e
s
d
i
r
e
n
t
e
s
M
m
e
a
l
t
i
t
u
d
e
D
A
-
D
i
v
S
A
-
D
i
v
D
A
-
S
S
D
A
-
D
S
S
A
-
S
S
S
A
-
D
S
T
e
m
p
s
d
e
r
p
o
n
s
e
m
o
y
e
n
(
s
)
M
S
D
M
S
D
M
S
D
M
S
D
M
S
D
M
S
D
D
t
e
c
t
i
o
n
d
e
c
o
n
i
t
2
,
1
6
0
,
5
2
2
,
2
4
0
,
6
4
2
,
6
0
0
,
3
3
2
,
5
5
0
,
5
3
5
,
3
9
1
,
4
0
5
,
0
7
1
,
0
6
I
n
t
e
r
v
e
n
t
i
o
n
1
,
9
8
0
,
4
5
1
,
9
1
0
,
4
8
2
,
5
2
0
,
5
2
2
,
3
8
0
,
4
8
3
,
7
5
0
,
7
2
3
,
9
8
1
,
0
2
F
r
q
u
e
n
c
e
s
d
e
r
p
o
n
s
e
s
c
o
r
r
e
c
t
e
s
M
S
D
M
S
D
M
S
D
M
S
D
M
S
D
M
S
D
D
t
e
c
t
i
o
n
d
e
c
o
n
i
t
.
9
9
.
0
3
1
.
0
0
.
0
0
.
9
9
.
0
2
1
.
0
0
.
0
0
.
8
2
.
1
0
.
8
3
.
0
9
I
n
t
e
r
v
e
n
t
i
o
n
1
.
0
0
.
0
0
.
9
9
.
0
3
1
.
0
0
.
0
0
.
9
8
.
0
8
.
7
7
.
1
4
.
8
4
.
1
7
T
o
t
a
l
.
9
9
.
0
2
.
9
9
.
0
2
.
9
9
.
0
2
.
9
9
.
0
5
.
8
0
.
1
2
.
8
4
.
1
3
5.2 exp eri ence 83
La consigne avait un eet signicatif sur les temps de rponse (F(1, 28) =
6, 96 ; p = .01 ; MSE = 0, 29). Globalement, le groupe ayant eu pour
consigne de dtecter prcisment un conit mit plus de temps que le
groupe intervention (respectivement M
DdC
= 3, 78 s, s = 0, 16 contre
M
int
= 2, 99, s = 0, 16).
Les tests post-hoc ne montraient aucune dirence signicative sur les
temps de rponse pour les scnarios les plus simples (DA-Div, SA-Div
et DA-autres) entre les deux groupes. Cependant, lorsque les participants
avaient progresser dans le processus dcisionnel, soit lorsque laltitude
ne permettait pas de prendre une dcision (SA-SS, SA-DS), les temps de
rponse taient signicativement dirents entre les deux groupes. Dans
le cas des scnarios SA-SS le groupe dtection mit un temps moyen
de 5,39 s ( =, 29) contre 3,75 s ( =, 29) pour le groupe interven-
tion . Dans le cas des scnarios SA-DS, le groupe dtection mit un
temps moyen de 5,07 ( =, 27) contre 3,97 s ( =, 27) pour le groupe
intervention .
Performance
La frquence de rponses correctes tait de .93. La frquence de conits
non dtects reprsentait moins de .01 pour chaque groupe. La frquence
des fausses alarmes tait de .06. Nous avons calcul les moyennes de per-
formance en fonction des dirents scnarios (voir la Table 7). LANOVA
six facteurs tait signicative (F(5, 140) = 42, 86 ; p = .001 ; MSE =
, 006). Les comparaisons post-hoc ne montraient pas de dirences signi-
catives sur la performance entre les scnarios DA-Div, DA-SS, DA-DS et
SA-Div ainsi que pour les scnario SA-SS et SA-DS. Qualitativement, la
plus mauvaise performance fut obtenue sur les scnarios o les vitesses
taient identiques (SA-SS) suivie par les scnarios avec vitesses di-
rentes (SA-DS). Il ny avait pas deet de la consigne sur la performance
(F(1, 28) = 0, 38 ; p = .54). La performance tait meilleure pour les
cas les plus simples, cest--dire lorsque les altitudes ou les trajectoires
permettaient dcarter lventualit dun conit. Par contre la performance
dcrut ds que les participants devaient prendre en compte les vitesses pour
valuer la possibilit dun conit ou dune intervention. Gnralement, les
erreurs tait dues des fausses alarmes.
Nous avons analys les huit scnarios pouvant provoquer de fausses
alarmes. Ces scnarios partageaient les caractristiques suivantes : mme
altitude (SA) et un Dt
h
de 7,5 NM. Seuls les angles (0, 180,45,90et
135) et les vitesses variaient. Les frquences des fausses alarmes sur
chaque scnario sont reportes dans la Table 8. Nous avons procd
une ANOVA deux facteurs (Angle et Vitesse) avec le type de consigne
comme prdicteur. Il ny avait pas deet signicatif du type de consigne
84 mod` ele th eori que de la d etecti on de confli t
Table 8: Frquences des fausses alarmes en fonction des scnarios alti-
tudes identiques avec un Dt
h
de 7,5 NM.
Angle Vitesses Identiques Vitesses Direntes Global
0 .07 .07 .07
180 .63 .37 .50
45 .23 .23 .23
90 .43 .37 .40
135 .40 .33 .36
Global .42 .32 .37
sur les fausses alarmes (p = .7). Autrement dit, les scores de frquences
de fausses alarmes du groupe dtection de conit ne diraient pas
signicativement de ceux du groupe intervention . Leet de langle
tait signicatif (F(4, 112) = 8, 04 ; p = .001 ; MSE = 0, 21). Les tests
post-hoc ont montr que langle 0 induisit nettement moins de fausses
alarmes compar toutes les autres conditions dangles. Il ny avait pas
de dirence signicative du nombre de fausses alarmes induites par les
congurations dangles convergents. Finalement, les scores de frquence
des fausses alarmes taient plus levs pour langle 180 (il ne dirait
cependant pas signicativement des angles de 90et 135). Leet de la
vitesse sur le nombre de fausses alarmes tait signicatif (F(1, 28) = 4, 33 ;
p =, 046 ; MSE =, 11) : le nombre de fausses alarmes fut plus important
lorsque les vitesses taient identiques que lorsquelles taient direntes.
Autres rsultats
Pour examiner plus en dtail les eets de langle, de la vitesse et du Dt
h
sur les scnarios prsentant un risque de conit (i.e. scnarios avec altitudes
identiques et angles non divergents), nous avons ralis une ANOVA
mesures rptes (5 angles 2 vitesses 2 Dt
h
) sur les temps de rponse.
Leet de langle des trajectoires tait signicatif (F(4, 112) = 4, 67 ;
p < .002 ; MSE = 0, 30). Les tests post-hoc montrrent que seul langle
0 induisit des temps de rponse signicativement plus courts que les
angles 90 et 135 . Les rsultats ne montrrent pas deet signicatif de
la vitesse sur les temps de rponse (F(1, 28) = 0, 00 ; p = .96). Le Dt
h
, par
contre, avait un eet signicatif sur les temps de rponse lorsque les avions
taient la mme altitude (F(1, 28) = 18, 77 ; p < .001 ; MSE = 0, 35).
Les participants mirent plus de temps prendre leur dcision lorsque les
avions taient spars de 7,5 NM (M = 4, 91 s, = 0, 22 s) que lorsquils
taient spars de 2,5 NM (M = 4, 18 s, = 0, 17 s).
5.3 di scussi on et conclusi on 85
Table 9: Temps de rponse en secondes en fonction de langle de conver-
gence et du Dt
h
Dt
h
: 2,5 NM Dt
h
: 7,5 NM
Angle Moyenne cart type Moyenne cart type
0 4,12 0,23 3,76 0,21
180 3,57 0,20 4,86 0,31
45 4,33 0,27 5,25 0,42
90 4,33 0,35 5,72 0,45
135 4,55 0,27 4,98 0,27
Global 4,18 0,20 4,91 0,27
Linteraction angle Dt
h
tait signicative (F(4, 112) = 5, 32 ; p <
.001 ; MSE = 0, 25). Globalement les temps de rponse taient plus
longs lorsque le Dt
h
tait de 7,5 NM que 2,5 NM (voir la Table 9). Plus
prcisment, les tests post-hoc montrrent un eet du Dt
h
sur les temps
de rponse pour les angles 90 et 180. Cette tendance se retrouva pour
les angles 45 et 135 bien que les eets ne furent pas signicatifs.
Finalement, les tests post-hoc ne montrrent pas deet du Dt
h
pour les
angles 0.
Il apparat galement une interaction angle vitesse (F(4, 112) = 3, 15 ;
p < .01 ; MSE = 0, 18). Les tests post-hoc montrrent uniquement qu
vitesse identique (SS), les temps de rponse taient plus longs pour les
angles 45et 135que par rapport langle 0. Lorsque les vitesses taient
direntes (DS) on nobserva aucune dirence signicative sur les temps
de rponse en fonction de langle.
5.3 di scussi on et conclusi on
Le but de cette tude tait de tester plusieurs modles de dtection de
conit utiliss par les contrleurs ariens en-route grce lapport de
donnes en direct (i.e., les mouvements oculaires). Nos rsultats ont
rpliqu le caractre hirarchique des stratgies proposes par Bisseret,
Rantanen et Nunes, Niessen et al., mais montrent galement quaucun mo-
dle ne permet de rendre compte des donnes que nous avons recueillies.
Dans un premier temps, nous rsumerons et discuterons nos principaux
rsultats. Ensuite, nous prendrons en compte plusieurs notions thoriques
qui peuvent amliorer notre comprhension du traitement et de lutili-
sation des informations aches sur un cran radar. Sur la base de ces
considrations, nous proposerons un modle lexicographique amlior de
la dtection de conits dont la particularit sera de tenter de dtailler au
86 mod` ele th eori que de la d etecti on de confli t
maximum les processus utiliss chaque tape du modle en fonction de
la situation valuer.
5.3.1 Discussion des rsultats
Donnes oculomtriques : acquisition et utilisation des informations pr-
sentes lcran
Dun point de vue gnral, hormis pour le cas particulier des trajectoires
divergentes, les donnes oculomtriques conrment que laltitude est la
premire information acquise pour diagnostiquer la possibilit de conit.
De plus, la frquence de visite de cette AOI est la plus importante relative-
ment aux vitesses, aux avions et la zone dintersection des trajectoires des
avions. Ceci rejoint les considrations du modle de Rantanen et Nunes :
laltitude est linformation la plus discriminante pour carter la possibilit
dune perte de sparation.
Si on conserve lhypothse selon laquelle les donnes oculomtriques
permettent de modliser la prise dinformation et quil est possible den
infrer leur utilisation, alors nous avons intrt tudier leurs variations
en fonction des direntes situations.
Dans le cas o les avions convergent et sont la mme altitude, nous pou-
vons remarquer que la seconde prise dinformation se fait sur les vitesses,
puis sur le point dintersection des deux trajectoires. En termes de stratgie
dacquisition dinformations on retrouve les tapes ncessaires pour proc-
der un jugement de trajectoire de type ratio distance/vitesse. Cest--dire,
une prise dinformation sur les vitesses et une prise dinformation sur le
point de rencontre des deux avions. On peut aussi remarquer que le point
dintersection des trajectoires est peu frquemment regard (4
me
rang).
Ce rsultat nous permet davancer lhypothse que la localisation du point
dintersection rpond plus une prise dinformation approximative que
prcise. En eet, si cette prise dinformation tait prcise ou importante,
il est fort probable quelle ft davantage objet dattention et donc plus
frquemment regarde. En eet, si la localisation du point dintersection
devait se faire prcisment alors il est probable que les contrleurs met-
traient en place des routines de vrication de lestimation produite, ce qui
nest pas du tout le cas, du moins dans nos donnes. Si la localisation du
point dintersection est imprcise, nous pouvons nous permettre davancer
lide que la prdiction de trajectoire nest pas vraiment base sur une
estimation exacte de la localisation du point dintersection pour calculer
un ratio distance/vitesse. La prdiction de trajectoire serait plutt base sur
une comparaison simple ou oue des distances sparant les deux avions
et sur la comparaison des informations relatives aux vitesses dans les ti-
quettes. Par exemple, un contrleur pourrait estimer quel est lavion le plus
5.3 di scussi on et conclusi on 87
proche du point dintersection sans pour autant mesurer avec exactitude
la distance qui le spare du point de rencontre. Pour rsumer, quand deux
avions sont la mme altitude et ont des trajectoires convergentes, il est
probable que les contrleurs cherchent dans un premier temps estimer le
direntiel daltitude. Une fois cette information obtenue, et si la spara-
tion verticale nest pas susante, alors les ATC prennent en considration
les vitesses et le point dintersection des trajectoires pour pouvoir raliser
un jugement de prdiction de trajectoire, qui de prime abord ne semble
pas trs prcis.
Quand les avions sont sur des trajectoires identiques (angle 0), la vi-
tesse est la deuxime information regarde, suivie des avions. En termes de
frquence de visite, nous pouvons remarquer que les informations relatives
aux vitesses attirent autant lattention que celles relatives aux altitudes. Il
semble donc que le traitement des vitesses soit aussi important que celui
de laltitude. Comment est utilise linformation propos des vitesses
dans ce cas ? Si on tente de rsoudre rationnellement le problme de deux
avions sur la mme trajectoire et la mme altitude, une solution ecace
pour dterminer sil y a un risque de conit est de comparer les vitesses
pour savoir quel est lavion le plus rapide. Si lavion le plus rapide se
trouve devant lavion le moins rapide, alors il ny a aucun risque de conit
puisque lavion le plus rapide ne pourra jamais se faire rattraper par le
moins rapide. Par contre, si la situation inverse se produit (le moins rapide
est devant), alors il y a un risque de rattrapage. Dans ce cas un conit est
fortement probable. Dans le cas dun direntiel nul entre les vitesses,
il sut tout simplement destimer si la conguration prsente est dj
conictuelle. Le fait, que les avions soient regards peu frquemment et
tardivement dans le processus de prise dinformation, pourrait ventuelle-
ment tre d une stratgie qui consisterait valuer le Dt
h
des avions
en cas de doute. Pour rsumer, si deux avions sont la mme altitude et
quils sont en train de se poursuivre, il est ncessaire de connatre quel est
lavion le plus rapide (ou le plus lent) et o il se trouve relativement au
second. Dans le cas dun rattrapage possible, il faut ventuellement valuer
la distance sparant les deux avions au moment du rattrapage (Dt
h
).
Quand les avions sont sur des trajectoires opposes et la mme altitude,
les vitesses et les avions prennent galit le troisime rang de premire
visite. Si une fois de plus nous essayons de rsoudre rationnellement le
problme des avions 180, une solution simple pour diagnostiquer un
conit est de (1) connatre le direntiel daltitude et, sil est infrieur
la norme de scurit savoir si (2) les avions passeront moins de 5 NM
lun de lautre puisque leurs trajectoires vont invitablement se croiser
un moment donn. Or, nos donnes montrent que les vitesses sont plus
frquemment regardes que les avions. Puisque les avions permettent de
comparer la distance entre les deux trajectoires (infrence du Dt
h
) pour
88 mod` ele th eori que de la d etecti on de confli t
pouvoir statuer sur la possibilit de conit et que les vitesses ne rentrent a
priori rationnellement pas en compte dans ce genre de situation, comment
expliquer alors que les ATC regardent les vitesses dans le cas davions
en face--face ? Plusieurs explications sont possibles pour rpondre de ce
rsultat. La premire est quil est possible que les contrleurs prennent en
compte les vitesses car ils sont engags dans un processus systmatique de
prise dinformations du type altitudes/vitesses/trajectoires. La seconde est
la raret de tels cas dans une situation courante. En eet, des discussions
informelles avec les contrleurs mont permis de comprendre que les cas
davions en face--face sont trs improbables. Eectivement, dans un
secteur, lorsque deux voies ariennes parallles ont des ux opposs, il
est convenu que les niveaux de vol soient attribus spciquement. Par
exemple, sur un ux nord et un ux sud, les avions allant vers le nord
se verront attribus des niveaux de vol pairs et ceux allant vers le sud
des niveaux impairs. De ce fait, les congurations o les avions sont
en situation de face--face et la mme altitude ne sont pas frquents.
Finalement, mme si les cas de face--face sont rares dans des conditions
cologiques, certains contrleurs mont expliqu que linformation sur
les vitesses est totalement pertinente puisquelle renseigne sur le dlai
temporel avant lequel les avions risquent dentrer en conit.
Les temps de traitement des direntes congurations
Les rsultats avancs par Rantanen et Nunes (2005) ne montraient pas
de dirence de traitement entre des avions divergents et des avions pr-
sentant toute autre conguration gomtrique. Les donnes que nous avons
recueillies montrent bel et bien que la divergence est traite plus rapide-
ment que laltitude. Cela conrme que la perception de la conguration
gomtrique des avions est perue pralablement au traitement des alti-
tudes. Si lon sen tient aux temps de rponse, on peut donc constater
quen fait les contrleurs sont dabord sensibles la convergence des
avions, testent ensuite le direntiel daltitude et enn traitent les vitesses.
Lordre propos ici rejoint celui propos par Niessen et al. (1999). Si on
tente de croiser les donnes sur les temps de rponse avec les donnes
oculomtriques, on peut remarquer que les participants ne regardent pas
les avions en premier alors quils arrivent dtecter rapidement la diver-
gence des trajectoires. Or si la divergence est bien prise en compte en
premier nous devrions nous attendre ce que les avions soient regards
en premier, ce qui nest manifestement pas le cas. Nous proposons une
explication toute simple qui sera teste dans la simulation : les contr-
leurs regardent eectivement les altitudes en premier, cela ne fait aucun
doute la vue des rsultats oculomtriques, cependant rien nempche le
contrleur, pendant quil prend linformation altitude dans ltiquette
5.3 di scussi on et conclusi on 89
du premier avion, dencoder galement lorientation du vecteur vitesse
du mme avion grce sa vision parafovale. Dans cette hypothse, le
contrleur encoderait simultanment laltitude et lorientation du premier
avion. Lorsque le contrleur ira porter son attention sur la seconde altitude,
il percevra lorientation du second avion. Ds lors, avant le traitement
symbolique de la seconde altitude, le contrleur sait si les avions divergent
ou non. Cette explication rend compte du fait que la divergence est traite
avant laltitude et permet dexpliquer la fois les rsultats sur les temps
de rponse et ceux issus du traitement des donnes oculomtriques
2
.
La progression en palier des temps de rponse permet de mettre en
vidence trois tapes distinctes de tests. Le premier test se fait sur la
divergence, le second sur laltitude. Le troisime test est un peu plus
dlicat analyser. Il est clair que les vitesses sont prises en compte lorsque
les avions ne sont pas spars verticalement (voir les rsultats issus des
donnes oculomtriques). Toutefois, il semble que le direntiel de vitesses
entre deux avions ne fasse pas varier la dure des traitements (i.e., SA-SS
versus SA-DS). Nous pouvons alors nous demander quel traitement est fait
sur les vitesses ? Est-ce le mme traitement pour les vitesses identiques que
pour les vitesses direntes ? Et mme si ces traitements sont dirents
alors ils doivent tre eectus dans le mme dlai. Nous tenterons de
rpondre ces questions lors de la prsentation de notre propre modle.
Fausses Alarmes : eets des vitesses et des distances
Un des problmes que nous avons soulev propos de la mthodo-
logie utilise par Rantanen et Nunes (2005) concernait la rptition des
cas prsents dans les scnarios. Dans notre tude, il est clair que lab-
sence de rptition na pas dgrad la performance dont le taux global est
satisfaisant.
Les scores de frquence des fausses alarmes ont montr que le di-
rentiel de vitesse jouait un rle non ngligeable sur la performance. En
eet, lorsque les vitesses sont direntes, les participants ont tendance
faire moins de fausses alarmes que lorsque les vitesses sont gales. Nous
proposerons et dtaillerons un peu plus loin une explication. Toutefois,
pour faire court, nous pensons que lorsque les vitesses sont direntes, il
est simple pour un contrleur dutiliser des heuristiques du type quel
est lavion le plus rapide ? O se trouve t-il par rapport au plus lent ? .
Nous verrons qu partir de ces deux informations, la plupart des dcisions
peuvent tre prises. Cependant lorsque les avions vont la mme vitesse,
le contrleur ne peut plus utiliser ce type dheuristique et est oblig de
2. Autant les donnes oculomtriques permettent davoir une ide de ce quun parti-
cipant regarde, autant elles ne nous renseignent pas sur lensemble des lments que le
participant peut traiter simultanment.
90 mod` ele th eori que de la d etecti on de confli t
passer par une phase dvaluation des distances pour calculer ou percevoir
le Dt
h
. Or nous avons vu au chapitre 4 que la perception des distances
est biaise, il est donc possible que les fausses alarmes dans les situations
o les avions sont la mme vitesse puissent tre, au moins en partie
expliques par une perception biaise des distances.
Dans le cas o le direntiel des vitesses nest pas un facteur objec-
tivement valable pour expliquer les fausses alarmes (cas particulier des
avions 180), la seule explication reste une nouvelle fois une mauvaise
perception du Dt
h
. Par exemple, dans le cas des avions en face--face, les
participants peuvent avoir tendance biaiser leur estimation de la distance
latrale de sparation lors de la projection mentale de lcart de distance
entre les deux trajectoires.
Leet de la consigne
Le type de consigne a un eet sur le temps de prise de dcision mais pas
sur la performance ni sur les tapes dacquisition dinformations visuelles.
Nous nous attendions ce que les contrleurs de la condition dtection
prennent plus de temps et fassent moins de fausses alarmes que ceux de
la condition intervention . Cette dirence pouvait tre explique par
des processus de traitement dirents (analytiques versus heuristiques).
En eet, les processus dtaills impliquent plus de temps dlaboration et
plus de prcision, alors que les heuristiques sont gnralement conomes
en temps mais ont le dfaut dtre imprcises ou biaises. Les donnes
nous permettent de penser que les contrleurs de la condition dtection
utilisent les mmes procdures que ceux de la condition intervention
puisquils (1) prennent le mme type dinformations et dans le mme
ordre et (2) ont des performances similaires. Le temps supplmentaire
pour tablir un diagnostic est probablement explicable par un critre dar-
rt plus exigeant dans la condition dtection que dans la condition
intervention . Dit autrement, les contrleurs devant dtecter un
conit prennent plus de prcautions (et donc de temps) que ceux devant
intervenir . Ces prcautions pourraient, par exemple, se manifester par
des procdures de vrication plus nombreuses.
Nous nous attendions ce que la condition dtection implique des
temps de rponse plus longs que la condition intervention puisque les
contrleurs devaient tre plus engags dans le traitement des dirents sc-
narios. Par contre, nous nous attendions ce que le groupe intervention
fasse plus de fausses alarmes que le groupe dtection de conit , ce qui
na pas t le cas. Ceci appuie lide que les deux groupes procdent au
mme type traitement. On remarquera tout de mme que les contrleurs
ne sont pas obligs de procder de multiples vrications pour avoir un
jugement trs correct de la situation.
5.3 di scussi on et conclusi on 91
5.3.2 Conclusion
Lensemble de ces rsultats ne peut que conrmer laspect lexicogra-
phique de la dtection de conit telle quargumente par Bisseret, Rantanen
et Nunes, Niessen... Cette exprience permet dappuyer le modle de Nies-
sen contrairement celui de Rantanen et Nunes. En eet, nous avons vu
que les trajectoires sont prises en compte en premier, avant les altitudes
qui ne sont compares quensuite. Une fois laltitude traite, le processus
de dcision soriente vers la comparaison des vitesses. Cette comparaison
pourra permettre dinfrer la distance horizontale au point le plus proche.
Cette distance est dicile infrer et son valuation provoque une partie
des fausses alarmes.
Nous avons galement vu que la consigne a un eet sur les temps de
rponse des contrleurs. Cela ne peut quappuyer le fait que les donnes
recueillis par Rantanen et Nunes (2005) ont pu tre impactes par leur
mthode. En eet, les temps de raction recueillis par Rantanen et Nunes
(2005) sont largement plus longs que ceux rapports ici (plus de sept se-
condes en moyenne pour certaines congurations). Le fait que la consigne
ait jou un rle important sur les performances lors de la dtection de
conit montre, en partie, quil est ncessaire de sassurer de son impact
sur la tche propose.
Suite cette exprience, nous avons recherch et pris en compte de
nouveaux rsultats empiriques permettant dexpliquer ou de mieux com-
prendre comment les contrleurs ariens ont procd pour raliser la tche
que nous leur avons propose. Nos recherches et nos rsultats nous ont
conduit proposer a posteriori un nouveau modle lexicographique.
5.3.3 un nouveau modle
Comme mentionn prcdemment, la scurit du trac est prioritaire
chez les contrleurs ariens. Il existe au moins deux faons de remplir
cet objectif dans le cadre de la dtection de conit : soit les contrleurs
sont srs 100% de la prcision de leurs jugements et de leurs prvi-
sions, soit ils mettent en place des solutions dintervention qui permettent
dviter tout conit. La premire solution peut paratre rationnellement
intressante. Le contrleur nintervient que lorsque la situation prsente
un rel danger dabordage. Lavantage de cette mthode est de minimiser
le nombre dinterventions et de permettre une variation minimum de la
dynamique du trac. Toutefois, ce type de dcision est relativement co-
teux pour le contrleur puisquil implique des calculs complexes et quil
font augmenter la charge cognitive. De plus, une erreur de jugement a de
terribles consquences en terme de vies humaines et de cots conomiques.
linverse, un contrleur dcidera plus probablement dintervenir an
92 mod` ele th eori que de la d etecti on de confli t
dcarter toute possibilit de conit plutt que dessayer dtre prcis dans
son diagnostic (Loft, Bolland, Humphreys, & Neal, 2007). En eet, il est
largement moins coteux de prendre une dcision dintervention sur une
paire davions an dtre certain quils ne seront jamais en conit. Lincon-
vnient de ce type de mthode est que les contrleurs interviennent sur des
paires davions qui ne le ncessiteraient objectivement pas. Autrement dit,
il est prfrable dtre certain que la situation soit sans danger plutt que
dtre prcis quant au dnouement de la situation. Cette conception de la
tche favorise plus un modle de prise de dcision bas sur lutilisation de
rgles gnrales de type heuristique que sur lutilisation de calculs prcis.
Deux autres arguments thoriques permettant de rviser le modle hi-
rarchique de dtection de conit sont prendre en compte pour faire
voluer le modle de prise de dcision. Le premier est bas sur la dicult
de traiter les futures positions des avions en utilisant leurs vitesses au sol.
Le deuxime argument concerne le fait que les contrleurs sont enclins
faire des erreurs perceptives (Shorrock, 2007) et ont des reprsentations
spatiales errones (Boudes & Cellier, 2000 ; Morineau, Hoc, & Denecker,
2003).
Le traitement des vitesses
Gronlund, Ohrt, Dougherty, Perry, et Manning (1998) ont tudi com-
ment les contrleurs mmorisent les informations du trac pour maintenir
une bonne reprsentation de la situation. Les contrleurs devaient dans un
premier temps grer un secteur et dans un deuxime temps rappeler des
informations propos du trac et des avions. La performance de rappel
sur les altitudes exactes atteint les 76% alors que le rappel des vitesses
exactes conduit la plus mauvaise performance. Cependant, les perfor-
mances de rappel sur les vitesses relatives ( Est-ce que lavion A tait
plus rapide que lavion B? ) sont meilleures que celles sur les altitudes
relatives. Par consquent, les auteurs concluent que les contrleurs ariens
mmorisent de prfrence les altitudes exactes et les vitesses relatives. Ces
rsultats sont cohrents avec lide que, compares des valeurs absolues,
les valeurs relatives (e.g., A est plus rapide que B) sont plus faciles
rappeler, augmentent la prcision, sont plus simples traiter (Brainerd &
Reyna, 1990 ; Reyna & Brainerd, 1992) et rduisent la charge mentale
des contrleurs (Moray, 1990). Les performances sur la tche de rappel
des vitesses (Gronlund et al., 1998) pourraient reter la faon dont les
vitesses sont traites par les contrleurs. Nous pouvons donc supposer
que les processus de prise de dcision qui mettent en jeu le traitement
des vitesses se basent plus sur les vitesses relatives que sur les vitesses
exactes. Dans ce cas les tapes de calcul pour raliser des prdictions de
trajectoires seraient non pas prcises mais plutt relatives (i.e., tel avion
5.3 di scussi on et conclusi on 93
arrivera avant tel autre et non tel avion arrivera tant de temps avant tel
autre ). Ces considrations rejoignent notre discussion sur nos rsultats et
sur notre analyse des stratgies possibles pour dtecter un conit.
Les erreurs perceptives et les reprsentations opratives
Le jugement relatif et la prdiction de trajectoire impliquent la localisa-
tion du point dintersection des trajectoires des deux avions et permettent
lanticipation de la position de ceux-ci dans le temps. Une fois que les
positions futures sont extrapoles, les contrleurs doivent valuer la dis-
tance horizontale entre les deux avions (Rantanen & Nunes, 2005). Pour
ce faire, les contrleurs ont besoin davoir une bonne reprsentation de
la situation. Cependant, Boudes et Cellier (2000) ont rapport que les
contrleurs produisaient des erreurs systmatiques lorsquil devaient juger
la position future des avions. Ces erreurs destimations augmentent lorsque
le laps de temps entre la position actuelle et future est important. De faon
gnrale, les contrleurs localisent les avions trop loin et sont enclins
produire de fausses alarmes, i.e., produire des jugements de conit errons
(voir galement Bisseret, 1970).
Morineau et al. (2003) montrent que les reprsentations opratives des
contrleurs sont dformes, notamment lorsque les avions convergent :
langle de convergence est accentu et le point de conit est localis plus
proche des avions relativement la zone de conit relle. Cette dfor-
mation conduit aussi de fausses alarmes. Finalement, plusieurs tudes
rapportent des erreurs de jugement de collinarit lorsque le point dinter-
section entre deux trajectoires convergentes doit tre localis (Yakimo,
1977b ; Mitrani & Yakimo, 1983 ; Pompanon & Raufaste, 2007). Le
point dintersection estim tend tre plac avant sa position relle. Par
consquent, si lestimation de ce point est biaise alors les estimations de
la distance horizontale de sparation au point le plus proche doivent ltre
galement (voir la discussion du chapitre 4).
Tous ces rsultats mettent en vidence une chose : lextrapolation du
Dt
h
(ltape 4 du modle de Rantanen et Nunes) est probablement biaise.
De ce fait, il est possible que les contrleurs ne soient pas susamment
prcis dans leurs jugements lorsquils sont bass sur de telles estimations.
De plus, ce type dextrapolations devrait entraner de nombreuses opra-
tions cognitives et donc conduire une plus forte charge mentale. Il nest
donc pas vident que les contrleurs pourraient trouver avantage sinves-
tir dans les processus de dtection de conit de cette faon. Notre propos
nest pas dcarter dnitivement lide dune extrapolation de distance
mais plutt de modrer ce type dexplications. En eet, il est possible que
lactivit mentale des contrleurs ne soit approche quapproximativement
par ces variables.
94 mod` ele th eori que de la d etecti on de confli t
Les tapes de notre nouveau modle
Nous avons synthtis le prcdent modle thorique, les nouvelles
donnes collectes et les considrations thoriques, pour aboutir un
nouveau modle descriptif de la dtection de conit (Figure 10). Ce modle
est suboptimal car il ne permet pas toujours dobtenir la meilleure rponse
en fonction de la situation. En eet, le modle prdit des interventions sur
des situations qui nen ncessitent objectivement pas. Toutefois, chaque
intervention permet au contrleur dtre certain quil ny aura jamais de
conit suite son intervention.
La premire tape est de vrier si les avions sont sur des trajectoires
divergentes. Si oui, alors il ny a pas de menace. En eet, la principale
proccupation est de savoir si deux avions prsentent une possibilit de
perte de sparation. Les trajectoires divergentes permettent au contrleur
dtre sr que les avions ne violeront pas de rgles de sparation dans le
futur. Cette premire tape est cohrente avec les rsultats que nous avons
obtenus : les temps de rponse dans les situations o les avions divergent
sont les plus bas en comparaison des autres.
Toutefois, on pourrait nous opposer largument suivant : si cette vri-
cation est rellement la premire tape du processus dcisionnel utilis par
les contrleurs, alors les reprsentations des avions devraient tre regardes
en premier ou du moins trs tt dans le processus. En eet, nos donnes
oculomtriques ne rvlent pas une telle activit : la premire information
xe est laltitude. Cependant, nous ne pensons pas que cette remarque
soit un rel obstacle notre ide : pendant que les contrleurs extraient
les informations partir des tiquettes, ils peuvent trs bien percevoir
lorientation de la trajectoire des avions en vision parafovale (pour une
revue de question sur la perception des formes gomtriques voir Irwin,
2004). De plus, jusqu quatre units dinformation collectes peuvent
tre intgres entre deux xations direntes (Irwin, 1996). Si on reprend
le processus en accord avec nos donnes on obtient la squence qui suit.
Dans un premier temps, les contrleurs regardent laltitude du premier
avion (information symbolique), ils encodent en parallle lorientation
de la premire trajectoire grce au vecteur vitesse. Dans un deuxime
temps, quand les contrleurs vont chercher laltitude du second avion, ils
peroivent galement lorientation du second vecteur vitesse. partir de
cet instant, deux traitements peuvent entrer en comptition : (1) lencodage
symbolique des donnes numriques (altitude) qui servira de base la
comparaison avec laltitude prcdemment encode, et (2) le traitement
analogique de la deuxime trajectoire, qui ne ncessite pas dencodage et
qui peut tre directement compare la premire trajectoire en mmoire
visuelle. La comparaison analogique ne ncessite pas le recodage dune
information symbolique et peut donc se terminer avant que le traitement
5.3 di scussi on et conclusi on 95
Niveau 1 Est-ce que les avions divergent ?
Niveau 2 Est-ce que les avions sont spars de 1000 pieds?
Angles convergents Angle de 180 Angle de 0
Niveau 3 Schma appris? Dth < Seuil? Le poursuivant est le plus rapide?
Non Oui Non Oui Non Oui
Intervention Action Pas de conflict Intervention Pas de conflict Intervention
associe
Non
Non Oui
Oui
Pas de conflit
Pas de conflit
Figure 10: Modle de prise de dcision utilis par les contrleurs ariens
en-route en fonction de laltitude, de langle form par les tra-
jectoires, les vitesses relatives et le Dt
h
. Schmas appris
se rfre des congurations connues qui conduisent une
rponse associe la situation. Par exemple, une situation dans
laquelle un avion est la fois trs proche du point dintersec-
tion et le plus rapide, nentrane pas daction de la part du
contrleur.
des altitudes soit eectu. Si la comparaison analogique indique une diver-
gence, alors une dcision de non conit est vidente. Do la probabilit
dune prise de dcision plus rapide dans le cas des avions avec des tra-
jectoires divergentes, et ce mme si les avions ne sont pas directement
regards. Si la rponse cette premire vrication est non (si les
avions ne divergent pas), alors aucune dcision ne peut tre prise ce
moment et le processus doit continuer tre parcouru.
La deuxime tape concerne la vrication de la sparation verticale.
Si les altitudes sont spares dau moins 1000 pieds, alors il ny a pas de
conit. Comme les altitudes sont fournies de faon prcises, le contrleur
peut tre sr que cette rgle de sparation ne sera pas enfreinte dans le
futur, cartant toute possibilit de conit. Dans ce cas, le processus de prise
de dcision peut sarrter avec une dcision de non conit. Autrement le
processus doit continuer.
La troisime tape est un peu plus complexe. partir de cette tape
le processus de prise de dcision peut prendre trois routes direntes en
fonction de langle form par les deux trajectoires :
96 mod` ele th eori que de la d etecti on de confli t
Dans le cas dun angle de 0 , il est ncessaire de prendre en compte la
vitesse des deux avions : si lavion le plus rapide est derrire lavion
le plus lent alors il y a un risque de rattrapage et donc de conit,
autrement il ny a aucun risque de conit puisque lavion le plus
rapide sera devant et ne sera jamais rattraper.
Le cas dun angle de 180 est spcial. En eet, les vitesses ne sont pas
directement pertinentes pour diagnostiquer la probabilit de conit :
si les deux avions sont sur des trajectoires opposes et la mme
altitude, seul le Dt
h
est pertinent pour prendre une dcision : partir
dun certain seuil de distance le contrleur peut valuer le risque de
conit. Nous pouvons nous permettre dutiliser le cadre de la thorie
de dtection du signal comme propos par Bisseret (1981b). Avant
dentreprendre une action, le contrleur value le Dt
h
. La probabilit
dintervenir devrait dcrotre en fonction du Dt
h
. Plus le Dt
h
dpasse
un certain seuil, plus le contrleur ninterviendra pas. Les dcisions
se prennent donc plus rapidement ds que le Dt
h
dpasse ledit seuil.
La valeur de ce seuil pour conrmer un non conit devrait varier dun
contrleur lautre, toutefois nos donnes suggrent que la moyenne
de la distribution du seuil se situe autour de 7,5 NM (50% de fausses
alarmes sur ces cas particuliers).
Pour les angles convergents, nous pensons que les dcisions sont
prises en fonction dun processus de reconnaissance de schma. Si
une conguration est reconnue alors laction associe ce schma
est applique. Si le schma nest pas reconnu, alors laspect prudent
de la prise de dcision conduit gnralement une intervention de
la part du contrleur, sauf dans des cas spciques. Par exemple, si
un avion est trs proche du point dintersection des deux trajectoires
et quil est aussi le plus rapide, alors le contrleur reconnatra facile-
ment une situation de non conit. Ou bien, si deux avions sont trs
loin de lendroit probable de conit, alors le contrleur prendra une
position attentiste et fera de la supervision jusqu avoir susamment
dinformations pour prendre sa dcision (voir Morineau et al., 2003).
5.3.4 Considrations nales : dtection de conit ou jugement dinter-
vention
Rantanen et Nunes (2005) ont propos un modle hirarchique de d-
tection de conit utilis par les contrleurs ariens en-route. Toutefois,
ces auteurs nont pas fourni de donnes on-line permettant de conrmer
ou dinrmer leur modle. Dans ce chapitre, nous avons rapport une
exprience visant tester ce modle avec des donnes oculomtriques. Ces
donnes ont corrobor certaines parties de ce modle mais nont pas permis
de couvrir tous ses aspects. De plus, une partie des patterns des temps de r-
5.3 di scussi on et conclusi on 97
ponse fournis par Rantanen et Nunes nont pas t rpliqus. Sur la base de
ces rsultats, et de nos propres rexions, nous avons propos un nouveau
modle. La dirence essentielle entre les deux modles ne rside pas sur
des aspects de surface comme la prise et lutilisation dinformations, mais
plus fondamentalement dans lapproche de ltude de la prise de dcision
dans le cadre du contrle arien. Selon Shayne Loft, les contrleurs ariens
nont pas les mmes comportements si on leur demande de dtecter un
conit ou si on leur demande sils interviendraient ou non en fonction de
la situation (communication personnelle, 2008). Dans le premier cas, les
contrleurs sont obligs dtre prcis et sont engags dans des processus
profonds de traitement de linformation, alors que dans le second cas, ils
ont juste se comporter de la mme manire ce quils feraient dans leur
activit quotidienne (i.e. en ntant pas ncessairement prcis, mais surtout
prudents et srs). Comme nous sommes convaincus par les arguments
de Loft, nous avons dcid de modier la consigne par rapport ce que
Rantanen et Nunes ont propos. En eet, modier la consigne dans des
tches de dtection de conit pourrait conduire observer des processus
cognitifs dirents. Cest pour ces raisons que les sorties de notre modle
ne dbouchent pas sur une dcision ou un jugement conit versus non
conit mais plutt sur des dcisions dintervention. Les donnes que
nous avons recueillies vont en partie dans ce sens. En eet, lorsque lon
demande aux contrleurs de faire des jugements de conit prcis, ceux-ci
mettent plus de temps prendre une dcision que des contrleurs qui nont
qu prendre une dcision dintervention. Il existe donc des dirences de
traitement entre les deux conditions. Quelles sont-elles ?
Une premire possibilit est que ces dirences de temps ne soient que
la consquence dun parcours plus en profondeur de lalgorithme de prise
de dcision. Dans ce cas nous devrions observer une amlioration des
performances dans la condition dtection de conit . En eet, plus
le raisonnement est abouti, plus il devrait tre prcis et able. Or nos
donnes ne retent pas ce cas de gure puisquaucune dirence de
performance nest visible entre les deux types de consignes. Une autre
explication possible est que les contrleurs devant dtecter des conits
traitent les donnes exactement de la mme faon que ceux devant dcider
dune intervention, si ce nest quils vrient davantage leurs rponses
une fois leur dcision prise. Ou autrement dit, les contrleurs devant faire
des jugements dintervention ont des critres darrt de prise de dcision
beaucoup plus souples que ceux qui doivent diagnostiquer un conit, ceux-
ci ne prenant pas la peine de vrier leur dcision. Nous remarquerons
cependant que, quels que soient le parcours et le nombre de vrications
supplmentaires, les performances des contrleurs les plus rapides ne
sont pas direntes des plus lents . Nous avons toutes les raisons de
98 mod` ele th eori que de la d etecti on de confli t
croire que les traitements eectus par les contrleurs sont tout de mme
trs ables et constants.
partir de ce constat, trois attitudes thoriques sont possibles. La
premire est dignorer les remarques de Loft et de continuer tudier la
dtection de conit telle quelle a toujours t tudie. Une attitude, bien
plus extrme, serait dabandonner compltement ltude de la dtection
de conit sur la base que ces tudes nont aucune validit cologique et
ne permettront jamais davoir une image prcise des reprsentations des
contrleurs. Nous choisissons une troisime voie qui est de prendre en
compte que les contrleurs valuent dans un premier temps la possibilit
de conit, et qui dans le cas dun doute, passent dune estimation de conit
une possibilit dintervenir pour lever le doute.
Nous reconnaissons que cette approche rend plus dicile lopration-
nalisation du concept de jugement de conit. En revanche, nous voyons
cette approche plus proche des comportements que peuvent adopter les
contrleurs ariens : au-del dun certain seuil dincertitude ressentie sur
la possibilit dun conit, les activits mentales des contrleurs se ror-
ganiseraient autour de la question de lintervention plutt quautour de
la prdiction de la probabilit de conit il est possible quun conit
arrive cet endroit, devrais-je intervenir ou non ? Et si oui comment ? .
Dire quelle est la bonne attitude thorique prendre reste une question
importante et ouverte. Nous pensons que la communaut de chercheurs
travaillant sur les cognitions relatives au contrle arien devrait probable-
ment rsoudre cette question dans les prochaines tudes car en fonction
des rsultats les stratgies de recherche ne seront pas les mmes.
Le prochain chapitre ouvre la partie simulation de la thse. Nous pr-
senterons des modles de simulation de lactivit du contrleur arien.
Nous verrons en quoi ces modles peuvent nous tre utiles mais surtout
en quoi ils divergent des considrations de recherche en psychologie cog-
nitive et en terme de modlisation computationnelle valide. Suite cette
prsentation, au Chapitre 7, nous testerons notre modle thorique dans
larchitecture cognitive ACT-R.
5.3 di scussi on et conclusi on 99
Nos rsultats montrent que :
Il existe trois phases de tests lors de la dtection de conit : test de la
divergence, test de la sparation verticale, test de la sparation horizon-
tale ;
Le test de la sparation horizontale dpend de la conguration gom-
trique des trajectoires ;
Les micro-stratgies permettant le test du Dt
h
peuvent tre regroupes
en plusieurs catgories : heuristique perceptive (apprciation holistique
de la conguration gomtrique), stratgies logiques (analytiques), stra-
tgies dvaluation de distances ;
La consigne dintervention semble tre plus cologique pour aborder la
dtection de conit.
Ces rsultats nous ont permis de construire un modle valide que nous
implmenterons dans larchitecture cognitive ACT-R.
Troisime partie
Simulation
101
6
UN APERU DES SI MULATI ONS DE LA TCHE
DE CONTRLE ARI EN
Ce chapitre a pour objectif de prsenter dirents modles qui dcrivent
et simulent les activits cognitives impliques dans des tches de contrle
arien. Ces modles dtaillent comment les contrleurs ariens main-
tiennent jour leurs reprsentations de la situation et comment partir de
celles-ci ils mettent en place des actions pour grer le trac. Ces modles
du contrleur arien ont une chelle macroscopique, et lactivit est orga-
nise autour de schmas hirarchiques dactions mener, dheuristiques
globales de prise de dcision. Le lecteur trouvera avantage avoir une vue
densemble de plusieurs modles. En eet, ceux que nous prsenterons
permettront au lecteur de se faire une reprsentation de lensemble de
la tche telle quelle est dcrite par des psychologues ou des ingnieurs
chargs des modlisations ou des simulations.
Pourquoi modliser et simuler des activits cognitives ? La modlisa-
tion computationnelle des activits cognitives (i.e. la modlisation et la
simulation) prsente plusieurs avantages. Le premier est de pouvoir mettre
en avant des thories sur le fonctionnement psychologique des individus
et de mettre lpreuve ces thories grce des simulations. Un modle
computationnel se doit avant tout dtre cohrent : il doit pouvoir donner
un rsultat. Autrement dit, la simulation marche. Nanmoins, la cohrence
dun modle nest quune condition ncessaire, le modle doit galement
tre valide. La validit dun modle est corrobore par la confrontation
des donnes humaines avec celles issues de la simulation. Toutefois, il
existe un problme majeur dans la simulation des activits cognitives :
lenvironnement dans lequel le modle est construit. En eet, pour simuler
correctement des processus cognitifs, il est ncessaire que les modles
aient les mmes limitations de traitement quun tre humain (capacit en
mmoire de travail, traitement des tches multiples, gestion de lattention,
processus perceptifs etc.). Nous qualierons de modle psychologiquement
plausible, un modle construit sur ces bases, contrairement un modle
purement formel qui ne respecterait aucune limite. Par exemple, un modle
statistique de prise de dcision qui sappuie sur plus de dix variables pour
rendre compte de la performance consciente dun contrleur est certai-
103
104 un aper cu des si mulati ons de la t ache de contr ole a eri en
nement acceptable statistiquement parlant mais ne lest certainement pas
du point de vue psychologique. Un autre avantage de la simulation des
activits cognitives des contrleurs ariens est de pouvoir commencer
anticiper les eets des nouvelles technologies sur les oprateurs. En eet,
il est souvent coteux en temps et en argent de mettre en place et de tester
de nouvelles procdures. Il peut tre aussi trs dangereux de tester de
nouvelles faons de faire dans des conditions relles. Dautre part, pour
des changements structurels grande ampleur dun dispositif, lexpri-
mentation est infaisable ou inexploitable. Par exemple, exprimenter un
nouveau concept de gestion du trac arien sur un territoire national et en
mesurer limpact sur les oprateurs (pilotes et contrleurs) est infaisable
exprimentalement parlant, notamment pour des raisons de scurit et de
cots.
Nous voyons ici deux applications totalement direntes de la mod-
lisation cognitive : une approche fondamentale plutt valorise par des
chercheurs (validation de thories psychologiques par exemple) et une
autre, bien plus pratique, valorise par des ingnieurs (validation de futurs
outils techniques). Bien que les deux approches ne soient pas forcment
antagonistes, il savre quen fonction du but de la simulation les fon-
dements thoriques des modles dirent. Mme si les ingnieurs ont
besoin de pouvoir simuler des capacits cognitives humaines pour crer
des modles capables de prdictions ralistes, ils sont, dans certains cas,
moins pointilleux ou moins complets sur les fondements thoriques qui
mnent la cration de leurs modles ou des architectures dans lesquels
ils sont implments.
Nous prsenterons quatre modles, CATS (Callantine, 2005), AirMidas
(Gore & Corker, 1999 ; Corker & Gore, 2000), Apex/CPM-GOMS (Lee,
Remington, Ravinder, & Matessa, 2004 ; Lee, Ravinder, & Johnston, 2005)
et enn, MoFl (Niessen & Eyferth, 2001 ; Eyferth et al., 2003 ; Niessen et
al., 1998 ; Leuchter et al., 1997). Nous verrons en quoi ces modles sont
pertinents pour simuler tout ou partie de la tche dun contrleur arien.
Pour chaque modle, nous prsenterons larchitecture dans laquelle il est
implment, un rsum de son fonctionnement et les rsultats quils ont
obtenus.
Les modles que nous prsenterons, du fait de leur dimension, ne per-
mettent pas toujours de rpondre des questions trs spciques. En eet,
les dirents auteurs ou quipes, que nous prsenterons, pchent dans la
description de quelques lments qui, notre sens, se rvlent tre primor-
diaux, du moins sur le plan fondamental. Ces modles ne sont pas critiqus
au niveau de la qualit du rendu de la simulation mais plutt au niveau
de limplmentation de capacits cognitives de bas niveau telles que les
entres perceptives qui permettent de dtecter les conits, les stratgies
qui permettent de les anticiper. En eet, certains modles nexpliquent
6.1 cats : crew acti vi ty tracki ng system 105
pas clairement comment les dirents lments visuels issus du radar sont
exploits et manipuls en mmoire de travail visuo-spatiale notamment
pour juger ou non de la possibilit de perte de sparation.
6.1 cats : crew acti vi ty tracki ng system
Le modle de Callantine (2005) a pour but de simuler les reprsenta-
tions, heuristiques et traitements que les experts du contrle arien utilisent
pour dvelopper des agents capables de grer du trac. Les simulations
des interactions entre agents permettront de soutenir lvaluation de m-
thodes innovantes de contrle arien lies au dveloppement de nouveaux
concepts de gestion du trac arien
1
.
6.1.1 Structure de larchitecture et ux dinformations
Le modle CATS sinsre dans un schma global de traitement de
linformation. La Figure 11 prsente le ux dinformations qui parcourt
lagent chaque instant.
Le Simulation Hub centralise les informations issues de la simula-
tion du trac et les messages des autres agents participants la simulation.
Les informations relayes par le Simulation Hub sont aches sur lcran
radar. Les informations perues directement sur le radar sont traites par
un module reprsentant une bibliothque de comptences dans laquelle
sont regroups des patrons de reconnaissance de bas niveau ou des rgles
de dcisions. Ce module permet dacqurir des connaissances supplmen-
taires sur ltat du trac. Par exemple, ce module permet de dterminer
lavion leader dans une paire conictuelle, dterminer une trajectoire suite
une clairance, juger de la distance entre deux avions. Ces informations
sont envoyes soit au modle de lactivit (CATS), soit au module des
rgle de contrle. Ce module contient une collection dheuristiques qui per-
mettent de rsoudre des problmes despacement ou de sparation. Dans
ce modle, les problmes despacement sont rsolus par des clairances sur
la vitesse des avions, alors que les problmes de sparation sont rsolus
par des changements de cap. Le modle dactivit CATS sera dtaill dans
la prochaine section. Les informations issues du modle CATS permettent
de modier la reprsentation de la situation qua lagent. Les croyances
sur la reprsentation du trac sont limines ou rajoutes en fonction de
la situation. Tout changement de la reprsentation du trac est signi au
modle dactivit. Finalement, un module de contraintes permet de dnir
quelles sont les spcicits dun avion (plan de vol, changements induits
par les clairances, temps disponible avant une manuvre).
1. Air trac management, ATM.
106 un aper cu des si mulati ons de la t ache de contr ole a eri en
Simulateur
de trafic
Simulation hub
Autres
agents
cran radar
Bibliothque
de
comptences
Modle dactivit
CATS
Rgles de
contrle
Contraintes
Reprsentation de la
situation
Figure 11: Flux dinformation parcourant un agent CATS (daprs Callan-
tine, T., 2005, p. 87)
6.1 cats : crew acti vi ty tracki ng system 107
Le modle CATS sert de socle pour chaque agent simul. Comment ce
socle est-il construit ?
6.1.2 Lactivit du modle CATS
Le modle CATS incorpore dirents aspects du contrle (voir Figure 12
et est bas sur une structure de tches dATC de haut niveau. Les agents
utilisent des informations telles que les trajectoires, les routes ariennes,
laltitude et la vitesse et basent leurs clairances sur ce type de paramtres.
Ils appliquent des rgles heuristiques pour planier et annoncer leurs
clairances. Le modle de base est un systme multi-agents. Un systme
multi-agents est un systme compos de plusieurs agents intelligents qui
ont la possibilit dinteragir entre eux. Nous ne dtaillerons pas comment
ses agents sont combins ensemble pour produire une simulation complte
de gestion du trac arien car ce nest pas notre propos. Nous allons donc
nous centrer sur ltude du fonctionnement dun seul agent et voir sur
quels lments la simulation est base.
Le modle prsente des activits organises hirarchiquement allant
de la perception la ralisation dactions. Les conditions ncessaires aux
actions mener sont fournies par la reprsentation que se fait lagent de
la situation de trac. Ce modle se divise en trois parties (voir Figure 12).
La premire est le maintien de la conscience de la situation (Endsley,
1995) qui implique la surveillance du radar et le balayage visuel des
avions. Les activits de maintien de la situation sont centres sur la rcolte
dinformations depuis le radar. La seconde partie reprsente la slection
dun problme de trac rencontr et identi ou plus simplement elle
permet de dterminer sur quel(s) avion(s) lagent doit oprer. La dernire
portion est un ensemble dactivits raliser en fonction des sorties de la
partie prcdente.
Dans son fonctionnement, lagent CATS met jour rgulirement ses
connaissances sur le statut du trac ce qui lui permet de gnrer une image
de la situation. Cette image modie les croyances sur ltat de la situation.
Ce changement produit gnralement une srie dactions mettre en uvre
dont la hirarchie des priorits est gre par le modle. Il ressort des di-
rentes simulations que les agents CATS se rvlent tre performants pour
grer du trac de moyenne intensit et prfrablement dans des secteurs
en-route (bonne gestion des problmes despacement), toutefois lagent
se retrouve vite dpass dans des secteurs dapproche.
Ce modle dcrit de faon assez prcise les activits et les proprits
dactions utilises par les contrleurs ariens. Par contre, lensemble des
processus de prise de dcision ne sont dcrits qu partir dheuristiques,
soit des rgles du type : Si les avions ne sont pas susamment espacs
alors prendre tel type de dcision en fonction de leurs positions. Cepen-
108 un aper cu des si mulati ons de la t ache de contr ole a eri en
* Maintenir une reprsentation de la situation:
Contrler le trafic
Regarder les avions
* Dterminer les avions sur lesquels agir
* Grer les transferts entre les secteurs:
Accepter les avions entrant
Informer les avions sortant
* Grer les avions en descente
* Grer les sparations:
Diagnostiquer le problme de sparation
Envisager une rsolution (clairance)
* Grer les clairances non appliques
Figure 12: Organisation hirarchique des activits raliser par un agent
CATS (daprs Callantine, T., 2005, p. 88)
6.2 le projet ai rmi das 109
dant, rien nest dit sur les processus qui permettent de percevoir le manque
despacement entre les avions, comment sont values les distances ? Com-
ment sont faits les calculs ncessaires la prdiction de trajectoire ? Une
des possibilits est que ce genre de jugement est directement implment
en dur , cest--dire que ce nest pas un module qui gre le calcul des
espacements ou des sparations mais une partie purement mathmatique
intgre au programme du modle. Or notre tude tend rpondre ce
genre de questions en passant par des processus psychologiques plus que
mathmatiques.
6.2 le projet ai rmi das
Ladministration fdrale de laviation amricaine
2
a pour but de mettre
en place des plans stratgiques an de rendre le trac arien plus exible
et prvisible. Lapplication de ces plans devrait avoir pour consquence de
rduire les temps de vol, rduire les dpenses en carburant, faire baisser
la charge de travail des quipages... Cest dans ce but que le concept de
free ight a t dvelopp. Le free ight est un concept de gestion
du trac arien dans lequel les pilotes des avions sont libres de choisir
leur plan de vol et grent leur vol eux-mmes (altitude, vitesse, sparation
etc.). Le contrleur passe alors dune activit active et stratgique une
activit ractive et opportuniste. Le projet Airmidas
3
(Gore & Corker,
1999 ; Corker & Gore, 2000) a t conu dans lobjectif de pouvoir simuler
limpact de telles mesures sur les contrleurs ariens notamment sur leur
charge mentale. Airmidas a t confront des donnes issues dune exp-
rience auprs de contrleurs expriments. Les rsultats des simulations
sont bass sur des sries de simulation de type Monte-Carlo . Ce sont
les corrlations entre les rsultats issus de la simulation et les rsultats
exprimentaux qui servent de comparaison.
6.2.1 Fondements thoriques dAirMidas
Airmidas est structur autour dun rseau organis de modles de lac-
tivit humaine : un modle de contrle, de connaissances dclaratives,
dactivit sensorielle, dactivit biomcanique, de connaissances procdu-
rales, dun modle de la conscience de la situation... Airmidas est donc
un modle cognitif bas sur des micro-modles qui interagissent entre
eux, sous linuence dvnements de lenvironnement, pour simuler le
fonctionnement humain.
2. FAA : Federal Aviation Administration.
3. Man Machine Integrated Design and Analysis System.
110 un aper cu des si mulati ons de la t ache de contr ole a eri en
Deux modles sont particulirement importants. Premirement, le mo-
dle de loprateur humain permet de guider la production des compor-
tements de lagent. Ce modle est compos de plusieurs modules (an-
thropomtrique, de la perception, de lattention, de prise de dcision, et
dvaluation). Le second modle est celui de la gestion des buts. Il per-
met dagencer de faon raliste les buts que lagent aura remplir pour
accomplir la tche de faon pertinente.
Toutefois, chaque module constituant le modle est bas sur peu de
rsultats exprimentaux. Cela pose un problme en termes de simula-
tion psychologiquement plausible. Par exemple, tout laspect perception
visuelle est bas sur Remington, Johnston, et Yantis (1992) dcrivant lin-
uence de lapparition soudaine dun stimuli sur lattention visuelle. Le
modle de mmoire est bas sur le modle de Baddley et Hitch (1974)
alors que celui-ci a t rvis en 1986 et 2001 (Baddeley, 1986, 2001) etc.
Ce nest pas parce que chaque module est soutenu par peu ou par danciens
rsultats exprimentaux que la simulation est mauvaise ou approximative.
Notre objectif est simplement de mettre en avant que ce type de modle
ne correspond pas forcment ce quun psychologue attendrait dune
simulation du comportement humain. Voyons cependant quels rsultats
parviennent les auteurs.
6.2.2 Rsultats obtenus
Les expriences de simulation ont pour but dexplorer les limites de
performances dans un contexte de trac en free ight. Les auteurs ont
construit quatre types de scnarios : un scnario de contrle dit clas-
sique , un o les avions nont que des trajectoires directes, deux o 20%
ou 80% des avions sont en free ight.
linstar des contrleurs, la charge cognitive du modle augmente
avec une condition de contrle en free ight en comparaison avec une
situation de contrle normale. Un autre rsultat intressant est que la
charge subjective de travail des contrleurs augmente avec le temps, et ne
dpend pas de la condition de trac. Toutefois, les formalits de recueil de
charge mentale ne sont pas trs dtailles dans Corker et Gore (2000) : les
contrleurs devaient indiquer sur une chelle en 5 points leur sentiment
dtre occup...
En conclusion, bien que ce modle soit bas sur peu de concepts tho-
riques, il savre que les rsultats des simulations corrlent avec ceux
obtenus par des contrleurs dans le cas de la charge mentale. Toutefois, ce
modle, comme le prcdent ne nous permet pas dtre plus inform sur
les processus mis en uvre lors de la dtection de conit.
6.3 apex/cpm-goms : 111
6.3 apex/cpm-goms :
Apex (Architecture for Procedure Execution) a t initi par la NASA.
Ce modle est conu pour gnrer des comportements humains adaptatifs
et intelligents dans des environnements dynamiques complexes. Apex
incorpore plusieurs aspects de la cognition haut niveau comme la prise
de dcision sous incertitude, la gestion du multi-tches etc. Le modle
Apex/CPM-GOMS de Lee et al. associe Apex deux modules : CPM
et GOMS. Le module CPM (Cognitive, Perceptual and Motor operator)
permet dinclure dans le modle des caractristiques humaines et permet
donc de faire des prdictions de performance du modle. GOMS (Goal
Operator Methods ans Selection) permet de concevoir lanalyse de la
tche. la base, GOMS est une technique danalyse de dcomposition
hirarchique de la tche. Le CPM-GOMS est une mthode de modlisation
qui associe une dcomposition hirarchique de la tche avec lutilisation
de ressources cognitives humaines. Le but de la simulation est dvaluer
limpact de nouvelles technologies comme le datalink
4
sur la charge de
travail et la conscience de la situation des contrleurs ariens.
6.3.1 Architecture dApex
Le cadre de modlisation dApex inclut trois lments majeurs : une
architecture de ressources disponibles (Resource s humaines), une archi-
tecture permettant de dnir les actions mener et une bibliothque de
procdures. Une vue densemble dApex est prsente dans la Figure 13).
Larchitecture des ressources dnit la limite des capacits cognitives,
perceptuelles et motrices de lagent. Larchitecture permettant la slection
dactions coordonne lactivit des ressources et applique des connais-
sances stockes sous la forme de procdures. La bibliothque de proc-
dures contient les connaissances permettant datteindre un objectif dni.
Les informations extrieures parviennent au modle par les traitements
perceptifs. Ces informations sont compares avec les spcications des
procdures stockes dans la bibliothque de procdures. Si les conditions
saccordent, alors larchitecture de slection daction prvoit lorganisation
des procdures mettre en place.
Apex est donc un outil qui permet la simulation dagents intelligents qui
excutent des tches dinteractions hommes-machine. Fondamentalement,
Apex conoit la modlisation des comportements comme un problme de
gestion de ressources disponibles pour un agent.
4. Le datalink est une interface de communication entre les pilotes et les contrleurs.
112 un aper cu des si mulati ons de la t ache de contr ole a eri en
Environnement de simulation
Audition Vision Voix Mains Mmoire Attention
Bibliothque
de
procdures
Surveillance Agenda des tches
Gestionnaire
des tches
N
o
u
v
e
l
l
e
t
c
h
e
I
n
i
t
i
a
t
i
o
n
d
u
n
e
t
c
h
e
Mise en
correspondance
M
o
d
if
ic
a
t
io
n
d
e
s
s
u
r
v
e
illa
n
c
e
s
vnement peru Initiation de lactivit
Rcupration des
procdures
Slection
des
actions
Ressources
humaines
correspondance
vnement li une
tche
Figure 13: Vue densemble de larchitecture Apex (daprs Lee et al.,
2004, p. 49).
6.3.2 Dcomposition de la tche des contrleurs ariens en-route et
rsultats
Un agent programm dans Apex agit grce une dcomposition hirar-
chique de la tche. Nous allons donc voir quelles tches sont incluses dans
le modle et quels rsultats exprimentaux sont issus des simulations.
Analyse et dcomposition de la tche
Les auteurs ont produit un inventaire des tches de haut niveau ralis
par les contrleurs en-route. Les tches sont spares en fonction de la
place du contrleur sur sa position. En eet, un secteur est gnralement
gr par deux contrleurs : un radariste et un organique. Le radariste prend
en charge la gestion tactique du secteur, intervient en temps rel. Cest lui
qui donne les clairances de changement de cap, de vitesse, daltitude pour
grer les pertes de sparation. Lorganique a une vision plus stratgique et
soccupe principalement de grer le passage davions dun secteur un
autre, de prvenir le radariste de larrive de nouveaux avions, danticiper
les conits avec les nouveaux arrivants et les avions dj prsents sur le
secteur. De plus, lorganique prend en charge les communications avec les
organiques des secteurs adjacents.
Pour chaque contrleur, chaque tche est dcompose individuellement
pour donner lieu des algorithmes permettant de prendre des dcisions.
Toutes les tches pouvant tre remplies de faon parallle par le modle
6.3 apex/cpm-goms : 113
(i.e. simultanment) le seront dans la mesure o les ressources de lagent
le permettent. Par exemple, le modle peut grer la fois une demande de
dcollage et continuer surveiller deux avions sur lcran radar, mais il ne
pourra pas faire deux clairances au mme instant puisque les clairances
demandent le mme type de ressources.
Rsultats obtenus
Apex est prvu lorigine pour tester des solutions datalink, et donc
limpact de tels systmes sur les communications. Les auteurs ont compar
les performances de leur modle sur uniquement quelques tches. La
principale tche compare est lacceptation du passage dun secteur un
autre et les communications contrleurs/pilotes. Pour tre un peu plus clair,
quand un avion arrive une certaine limite de la frontire dun secteur
A, le contrleur qui gre lavion doit informer le contrleur du secteur B
de son arrive. Le contrleur du secteur B, en plus de toutes ses autres
tches, doit communiquer au contrleur du secteur A sil accepte lavion
ou si larrive de celui-ci doit tre retard (conit probable, surcharge de
trac, le contrleur na pas les ressources ncessaires pour grer lavion
sur linstant...). Si lavion est accept dans le secteur B alors le contrleur
Ale notie au pilote (via data link ou communication verbale) et engage le
pilote changer de frquence et se signaler au contrleur du secteur B. Le
modle est valu partir de deux variables : le temps moyen dacceptation
dun avion et le temps pass communiquer avec les pilotes. Le temps
dacceptation est mesur partir du moment o le modle xe lavion en
question et le moment o il clique dessus avec son dispositif de pointage
pour notier lacceptation. Le temps de communication inclut toutes les
communications possibles entre le pilote et le contrleur (premier contact,
clairances ...)
En moyenne, le modle prdit un temps moyen dacceptation gal au
temps de rponse minimal de contrleurs experts. En ce qui concerne
les temps de communication, le modle corrle relativement bien avec
les experts (r = .87). Globalement, ce modle est plus rapide que les
contrleurs experts. Les auteurs admettent dans leurs conclusions que
pour amliorer leur modle ils doivent obtenir de meilleures donnes
sur les performances des contrleurs, une meilleure connaissance des
processus psychologiques fondamentaux et amliorer ainsi leur laboration
de modles de performance. Les recommandations faites par les auteurs
rejoignent les problmes inhrents la modlisation prsents en dbut de
ce chapitre. Il est ncessaire, pour faire des simulations ralistes dobtenir
et de considrer un ensemble de donnes la fois thoriques et empiriques
sur les comportements humains.
114 un aper cu des si mulati ons de la t ache de contr ole a eri en
6.4 mofl
MoFl (Modell der Fluglotsenleinstungen
5
) est un modle des activits
cognitives mises en place par les contrleurs ariens dans le cadre dactivi-
ts dynamiques (Niessen & Eyferth, 2001 ; Eyferth et al., 2003 ; Niessen
et al., 1998 ; Leuchter et al., 1997). Limplmentation du modle est base
sur un systme de production programm dans lenvironnement ACT-R3.0
(Anderson, 1993). Lobjectif est de modliser la reprsentation mentale
qua le contrleur de la situation en reprenant le concept de conscience de
la situation.
Niessen et al. (1998) sintressent spciquement au diagnostic et la
rsolution de conits entre avions. Suite des entretiens avec des contr-
leurs, les auteurs dcomposent leur tche en trois parties : lobservation
globale du trac, lanalyse des paramtres dun avion slectionn et lanti-
cipation. Lanalyse globale permet davoir une vue densemble du trac.
Ensuite, toujours selon le rapport des protocoles verbaux, les stratgies
dexploration visuelle du radar permettent dattribuer dirents statuts aux
avions. Les avions sont rpartis en deux groupes, un groupe qui ncessite
une analyse plus pousse des paramtres des avions pour anticiper la situa-
tion, et un groupe o les avions sont reconnus comme sans danger pour la
scurit du trac. Les auteurs dgagent trois activits cognitives de haut
niveau qui permettent aux contrleurs de maintenir leur conscience de la
situation : la slection et le rappel dinformations, la reprsentation de la
structure relationnelle entre les avions, et lanticipation et la gestion des
conits. Ces principes guideront la construction du modle.
6.4.1 Principe et spcicit dACT-R 3.0
ACT-R est une architecture qui ne cesse dvoluer grce aux travaux
des chercheurs de la communaut. De fait, il existe plusieurs versions
dACT-R, la dernire version remplaant gnralement la prcdente. La
dernire version en date est la version 6.0 (pour une description dtaille le
lecteur est invit se reporter au chapitre 7). Limplmentation du modle
MoFL est faite avec ACT-R 3.0. La principale dirence entre la version
3.0 et 6.0 dACT-R est que dans la version 3.0 la cognition est seulement
centrale. En eet, cest seulement partir de la version 5 que des modules
permettant aux modles dagir dans lenvironnement ont t implments
(vision, parole, moteur).
Pour faire simple, il existe deux types de connaissances dans ACT-
R : les connaissances dclaratives et les connaissances procdurales. Les
connaissances dclaratives sont des informations stockes en mmoire sur
5. Trad : un modle des aiguilleurs du ciel.
6.4 mofl 115
des caractristiques de la situation. Si ces informations sont prsentes en
mmoire de travail, alors elles peuvent activer des rgles de production.
Les rgles de production sont de la forme si (conditions) alors (production
dun comportement). ACT-R est base sur lhypothse que les comp-
tences cognitives sont composes partir dun enchanement de rgles de
production. Plus la combinaison en squences de rgles de production est
importante plus les traitements cognitifs sont complexes. Dans la partie
suivante nous allons voir comment est construit le modle.
6.4.2 Le modle
MoFl (voir Figure 14) est compos de cinq modules
6
relis par des
cycles de communication. Les cinq modules sont la slection de donnes,
lanticipation, la rsolution de conit, la mise jour et le contrle. Trois
principaux cycles de traitement de linformation permettant de conserver et
de mettre jour la reprsentation de la situation des contrleurs (nomme
image par les auteurs). Ces cycles sont la surveillance, lanticipation et la
rsolution de problmes. La coordination de ces traitements est dirige par
un module de contrle de procdures.
Le cycle de surveillance implique les modules mise jour et slec-
tion dinformations . Il permet de dterminer les procdures de slection
dinformations mettre en place et les rgulires mises jour des informa-
tions sur dirents avions (volution verticale, horizontale, trajectoires...).
Selon les informations recueillies, un avion peut devenir focal (i.e., il va
devenir prioritaire sur le plan attentionel) ou extrafocal (i.e., il sera moins
activ en mmoire de travail). Plus un avion demande de lattention, plus
il sera frquemment mis jour (regard). Les relations entre avions sont
galement encodes avec le statut focal/extrafocal.
Une fois quun avion est sous le focus attentionel, le cycle anticipation
est dclench. Pour chaque avion focal ou chaque relation entre avions un
tat futur est anticip. Le but de cet anticipation est de crer un nouveau
traitement cognitif sur cet avion. Ce traitement permet de connatre la
relation entre deux avions (vnement) et de prendre si ncessaire une
dcision sur le statut des avions (conit, pas de conit, demande de sur-
veillance ultrieur). Si un conit est dtect alors le modle estime le temps
pour rsoudre le conit. Si les avions ne sont pas considrs comme une
menace, ils prennent le statut extrafocal. Si le contrleur nest pas sr de
son jugement, alors la demande de surveillance va devenir focale. Le cycle
danticipation est dtermin par des squences de production qui prennent
en compte les trajectoires, laltitude et la position future des avions voir
Chapitre 2.
6. Le terme module fait rfrence ici une sous-partie dun programme eectuant une
tche spcique, elle est dirente de la notion de module dans ACT-R, voir chapitre7.
116 un aper cu des si mulati ons de la t ache de contr ole a eri en
Rsolution
de conflit
Contrle
Slection dinformations
Donnes
Radar, flight-strips, communications
Solutions
alternatives
Dcision
Action
Anticipation
Anticipation
Dcisions
Reprsentation
vnement: conflit?
Avions trop proches
Mises jour
Figure 14: Structure des activits cognitives du modle MoFl (daprs
Leuchter et al., 1997, p. 270)
La reprsentation de la situation, ou limage, inclut les objets, les v-
nements et la relation entre les objets. Limage est considre comme
une construction active permettant de donner du sens entre les lments
de la situation et non comme une addition dlments perus. Elle est
incomplte et temporaire : cest une image oprative. Cette image peut
tre manipule pour faire des prdictions, comprendre les relations entre
les lments qui la constituent, dcider dactions entreprendre etc.
Si un conit est dtect, alors le cycle de rsolution de problme est
enclench. Le contrleur doit slectionner le conit le plus important
grer, et gnrer ou rappeler une solution (solutions alternatives). En-
suite le contrleur devra sassurer que la solution gnre ne causera pas
de problmes supplmentaires (dcision). Enn, le rsultat sera excut
(action).
La coordination des dirents modules se fait grce aux procdures de
contrle. Cest le contrle de procdure qui slectionne le traitement le
plus important et le plus urgent faire. La planication des vnements
est dtermine par ltat de la reprsentation mentale globale du trac.
Ce modle des activits cognitives mises en uvre pour dtecter et
rsoudre des conits dans le cadre du contrle arien en-route sappuie sur
une large base de rsultats empiriques issus dexpriences en psychologie
6.5 synth` ese 117
et en ergonomie. Ce modle a t pens pour sintgrer et fonctionner
en accord avec la thorie unie du fonctionnement humain ACT-R 3.0.
Toutefois, dans les travaux qui relatent lvolution et les caractristiques
du modle, il nest jamais fait rfrence ce quapporte la simulation du
modle ACT-R. Cela pose un problme vident de validation du modle.
Nous avons ici le cas inverse des simulations dtailles prcdemment :
un modle psychologiquement plausible sans simulation versus des simu-
lations bases sur des modles moins psychologiquement valides (ou
arguments).
6.5 synth` ese
Nous voyons bien que ces modles ont des approches direntes. Les
modles CATS, Airmidas et Apex sont principalement orients vers la
simulation de la tche de contrle arien dans un but soit dautomatisa-
tion du contrle arien, soit pour tester de nouvelles technologies ou de
nouvelles mthodes de gestion du trac arien. Le modle MoFl, mme si
aucune donne ne permet de comparer les performances humaines et celle
du modle des considrations plus psychologiques. En eet, les trois
premires architectures prsentes pourraient grandement tre amliores
grce des apports empiriques supplmentaires sur le fonctionnement
cognitif humain. Cela nenlve rien la qualit des rsultats obtenus,
mais ils ont toutefois un intrt limit pour des chercheurs en psychologie
cognitive. De notre point de vue de psychologue, il ne semble pas trs
pertinent de dfendre un modle cognitif si celui-ci nest pas bas sur des
considrations solidement tablies.
De l, il nous parat important de produire des simulations dans des
architectures reconnues en psychologie. Une architecture rgulirement
voque est ACT-R. En eet, ACT-R ore un cadre qui sappuie sur des
dizaines dannes de recherches empiriques et sur des rsultats solides et
vris. Nous avons donc choisi dutiliser larchitecture cognitive ACT-R
pour implmenter notre modle. Le Chapitre 7 dtaille le fonctionnement
de cette architecture, les enchanements de productions et les rsultats
obtenus par notre modle computationnel.
118 un aper cu des si mulati ons de la t ache de contr ole a eri en
Cette revue de question sur les simulations de lactivit de contrle du
trac arien nous a permis de dgager les constats suivants :
Les architectures prsentes ne sont pas susamment fortes sur le plan
thorique ;
Les modles prsents ne se focalisent pas sur le processus de dtection
de conit ;
Le but de ces modles nest pas de tester une thorie psychologique,
mais de tester limpact de nouvelles technologies sur la gestion du trac
arien.
Ces constats nous ont orients vers une implmentation dans larchitecture
cognitive ACT-R 6.0.
7
SI MULATI ON DE LA DTECTI ON DE CONFLI T
DANS ACT- R
Dieu a programm le monde
en LISP.
Informaticien inconnu
proverbe nerd
Le but de ce chapitre est de prsenter les rsultats issus de la mod-
lisation computationnelle du modle hirarchique de prise de dcision
prsent au chapitre 5. La simulation de ce modle est faite dans lar-
chitecture cognitive ACT-R 6.0 (Anderson & Lebiere, 1998 ; Anderson et
al., 2004 ; Anderson, 2007). Dans la suite du chapitre, toute rfrence
ACT-R est relative la version 6 de larchitecture.
Dans un premier temps nous dtaillerons larchitecture ACT-R et son
son fonctionnement, dans un deuxime temps nous prsenterons comment
notre modle est implment et quels sont les rsultats obtenus lors des
simulations.
7.1 larchi tecture act-r
Quest-ce quune architecture cognitive ? Une architecture, dans son
sens le plus gnral, est une structure qui rpond une (ou plusieurs)
fonction(s). Dans le cas qui nous intresse, la fonction de larchitecture est
de rendre compte des processus cognitifs. Plus spciquement, Anderson
(1993) dnit une architecture cognitive comme une thorie des principes
de base des oprations ralises par le systme cognitif. En avanant dans
ses travaux, Anderson (2007) prcise sa dnition :
Une architecture cognitive est une spcication de la struc-
ture du cerveau un certain niveau dabstraction qui permet
dexpliquer comment se ralise la cognition
in How Can the Human Mind Occur in the Physical Universe,
Anderson, J.R., 2007, p.7
119
120 si mulati on de la d etecti on de confli t dans act-r
ACT-R est une architecture cognitive qui intgre une thorie unie
de la cognition humaine
1
. La construction dACT-R rete un ensemble
dhypothses sur la cognition humaine. Ces hypothses sont bases sur de
nombreux faits empiriques provenant dexpriences en psychologie.
ACT-R permet la simulation dun grand nombre de tches (tour de Hano,
mmorisation dune liste de mots, comprhension du langage, pilotage
davion, de voiture, etc.) et permet de crer des modles dapprentissage,
de perception, dattention, de rsolution de problmes etc. Les chercheurs
utilisent ACT-R pour implmenter des modles thoriques. Ces modles
incorporent la fois les lments gnraux dACT-R et des hypothses
inhrentes au contexte de recherche du crateur du modle computationnel.
Le chercheur pourra ainsi comparer les rsultats exprimentaux recueillis
auprs dhumains avec ceux du modle. Les donnes compares sont g-
nralement des temps de rponse, la performance et, plus rcemment, des
donnes neurologiques issues dIRMf
2
. Le processus de comparaison qui
permet de valider les modles se base principalement sur deux indicateurs :
(1) la corrlation et (2) lcart moyen entre les donnes des humains et
celles du modle.
7.1.1 Principes gnraux
ACT-R est une architecture de type modulaire (voir Figure 15). En eet,
la cognition merge de linteraction de dirents modules indpendants.
Il existe trois classes de modules : les modules centraux, perceptifs, et
moteurs. Quatre modules sont responsables du traitement central de lin-
formation : le module imaginal
3
, de but, dclaratif et procdural. Les
modules perceptifs (visuel et auditif) permettent de recueillir des infor-
mations de lenvironnement extrieur. Les modules moteurs (manuel et
vocal) permettent au modle de raliser une action sur lenvironnement.
Nous dtaillerons ces modules un peu plus loin. Il est important de remar-
quer que ces modules ne reprsentent pas lintgralit de ceux qui sont
potentiellement luvre dans lesprit humain, ce sont simplement ceux
qui sont implments dans ACT-R.
Chaque module est capable de produire des traitements parallles mas-
sifs pour atteindre son objectif. Par exemple, le module visuel est capable
de traiter lensemble du champ visuel, le module dclaratif peut recher-
cher dans sa bibliothque de souvenirs une connaissance particulire etc.
1. Cette introduction est adapte du site ddi ACT-R (http ://ACT-R.psy.cmu.edu/).
2. Imagerie par rsonance magntique fonctionnelle : technique dimagerie qui permet
ltude du fonctionnement du cerveau.
3. Il semble que le terme imaginal ait t cr spcialement pour dcrire ce module.
notre connaissance il nen existe pas de traduction ni mme de dnition en langue
anglaise. Nous conserverons cette dnomination.
7.1 larchi tecture act-r 121
Procdural
Auditif
Visuel
Moteur
Imaginal
Vocal
Dclaratif
Goal
Environnement
Figure 15: Les dirents modules implments dans ACT-R 6.
Chaque module communique avec le module procdural via sa propre in-
terface appele buer
4
. Les buers ont une capacit limite : une seule
unit dinformation appele chunk (Miller, 1956) peut tre prsente
dans un buer un instant donn. Le contenu des buers un instant t
caractrise ltat dACT-R ce moment.
La communication entre les modules est ralise grce au module pro-
cdural. Le module procdural value le contenu de chaque buer, et va,
en fonction, chercher une action accomplir pour atteindre un but. Cette
action prend la forme dune requte et va en retour modier le contenu de
certains buers et par consquent changer ltat du modle.
La cognition centrale se compose de quatre modules. Le module de buts
permet au modle de garder une cohrence interne et de poursuivre un
comportement adapt. Le module imaginal permet au modle de conser-
ver une reprsentation de la situation. Cette reprsentation est actualise
en fonction des interactions qua le modle avec lenvironnement ou en
fonction des modications du contenu des buers. Le module dclaratif
permet de garder en mmoire lensemble des connaissances factuelles du
modle comme la terre tourne autour du soleil , ou 1 +1 = 2 . Ces
informations sont contenues dans les chunks. Les chunks reprsentent les
connaissances quun modle peut utiliser pour rsoudre un problme. Un
4. la traduction littrale est mmoire tampon, terme utilis en informatique. Pour des
raisons de commodit, nous conserverons cette appellation.
122 si mulati on de la d etecti on de confli t dans act-r
chunk est dni par son type et ses slots
5
. Le type dun chunk reprsente sa
catgorie (e.g., avion) et les slots les proprits associes cette catgorie
(e.g., son altitude, trajectoire, vitesse, matricule). Chaque slot peut contenir
une information lmentaire ou un chunk. Le module dclaratif a pour
charge de slectionner parmi ses souvenirs celui dont le modle a besoin
pour raliser une action. Le module procdural, comme dcrit plus haut, a
pour but dvaluer le contenu des buers un moment donn. En fonction
du contenu des buers, le module procdural va valuer lensemble des
actions entreprendre et en slectionner une. Les connaissances stockes
dans le module procdural sont appeles productions. Elles sont de la
forme SI ltat des buers correspond aux conditions ncessaires de la
production, ALORS une ou plusieurs requtes sont faites auprs des autres
modules. Dans ACT-R, les habilets complexes sont le rsultat de lencha-
nement de productions lmentaires. Ces enchanements permettent au
modle de mettre en uvre des savoir-faire comme par exemple, conduire
une voiture, taper au clavier, faire une recette de cuisine, etc.
Selon Anderson, une architecture cognitive doit avoir une fonction (i.e.,
rendre compte de la cognition) mais aussi une structure. Dans ACT-R la
structure est le cerveau humain. De fait, chaque module est associ une
partie du cerveau qui correspond lactivit pour laquelle le module a t
cr. Ainsi, nous pouvons dcrire un ensemble dassociations module/zone
crbrale :
module imaginal et rgion postrieure du cortex parital ;
module dclaratif et hippocampe/lobe temporal ;
module procdural et ganglions de la base
6
;
module de buts et cortex cingulaire antrieur ;
module visuel et gyrus fusiform;
module auditif et cortex auditif ;
module moteur et cortex moteur/sensoriel ;
module vocal et cortex moteur/sensoriel.
ACT-R est une architecture cognitive hybride dans le sens o elle fait la
dirence entre les niveaux symboliques et subsymboliques. Le niveau
symbolique est une reprsentation abstraite de la faon dont le cerveau
encode une connaissance. Le niveau subsymoblique est une reprsentation
abstraite du rle des connections neuronales qui rendent cette connaissance
disponible. La structure subsymbolique est reprsente par un ensemble
de processus parallles qui peuvent tre dcrits par des quations math-
matiques. Les structures de connaissances symboliques (i.e., les chunks,
les productions) sont associes des quantits symboliques reprsentant
5. un slot est un emplacement qui contient une information.
6. Plus particulirement, la mise en correspondance du contenu des buers et des
productions est associe au striatum, la slection de production est associ au pallidum et
lexcution au thalamus.
7.2 les modules 123
des quantits subsymboliques. Ces quantits inuencent le choix et la
rapidit avec laquelle la structure va tre traite. Par exemple, en mmoire
dclarative, un chunk reprsente le niveau symbolique et son activation
le niveau subsymbolique. De mme, en mmoire procdurale, la plupart
des productions relvent du niveau symbolique et leurs utilits relvent du
niveau subsymbolique.
La partie suivante dtaille le fonctionnement des principaux modules
dACT-R. Elle permettra au lecteur den comprendre les mcanismes sous-
jacents et facilitera la comprhension de notre modle.
7.2 les modules
Les modules sont spciques une activit cognitive. Ils grent les buts,
les reprsentations en mmoire des connaissances ou de la situation, et
les interactions avec lenvironnement. Cette partie prsente en dtail les
modules les plus importants dACT-R. Nous commencerons par dcrire les
modules dclaratif, procdural, perceptif, moteur et nalement le module
de gestion des buts.
7.2.1 Le module dclaratif
Au niveau symbolique, le module dclaratif contient lensemble de
savoirs factuels du modle. Au niveau subsymbolique, il contient len-
semble des mcanismes responsables de la slection dune connaissance
en fonction des requtes du module procdural. Une grande quantit din-
formations nous sont directement accessibles, par exemple, nous savons
depuis longtemps que 1 + 1 = 2, cette information est stocke et nous
navons pas recalculer chaque fois laddition. Cependant il y a tout
un ensemble de situations dans lesquelles le rappel dinformations nest
pas aussi simple (souvenez-vous de ces terribles examens). Il est donc
assez facile de stocker de linformation mais le rappel peut tre bien plus
compliqu.
Un composant majeur de la thorie dACT-R repose sur le principe
dactivation qui contrle laccs aux informations contenues en mmoire
dclarative. Le comportement de la mmoire dclarative (comme celle
de la mmoire procdurale que nous verrons plus loin) est rgi par un
ensemble dquations et de paramtres qui jouent un rle critique dans lin-
tgration des informations. Nous allons prsenter les principales quations
et paramtres ncessaires au calcul de lactivation des chunks en mmoire
dclarative.
De manire gnrale, chaque chunk en mmoire dclarative a un niveau
dactivation qui lui est propre. Ds que le niveau dactivation dun chunk
dpasse un seuil alors il pourra tre slectionn. Dans le cas o plusieurs
124 si mulati on de la d etecti on de confli t dans act-r
chunks ont une activation suprieure au seuil, alors celui qui a la plus forte
activation va tre choisi. Une fois quun chunk est choisi le modle mettra
plus ou moins de temps le rappeler. De faon plus formelle, lactivation
dun chunk en mmoire dclarative est la somme dun niveau de base
dactivation qui rete son utilit gnrale et dune activation associe qui
rete la pertinence dutilisation dune telle connaissance dans le contexte
actuel. Lactivation (A
i
) dun chunk i est dnie par :
A
i
= B
i
+
B
i
est le niveau dactivation de base du chunk i, il rete la rcence et
la frquence dutilisation du chunk. Le paramtre est le bruit associ
chaque calcul dactivation. Il est compos de deux facteurs : un bruit
permanent associ chaque chunk au moment de sa cration et un bruit
instantan calcul chaque requte de rcupration. Lactivation dun
chunk contrle la fois la probabilit quil a dtre rappel et aussi la
vitesse laquelle il sera retrouv en mmoire dclarative. Lactivation de
base B
i
varie au cours du temps en fonction du nombre de fois o le chunk
i a t utilis et depuis combien de temps :
B
i
= ln(
n
j=1
t
d
i
)
Ici, t
i
est le temps coul depuis le i
me
activation, d est un paramtre
de dclin de lactivation. Nous pouvons remarquer que le niveau dacti-
vation de base crot avec la frquence dutilisation du chunk (principe de
renforcement), mais que si le chunk est peu utilis, son activation de base
baisse avec le temps.
Nous avons vu comment tait calcule lactivation dun chunk i et de
quels paramtres cette activation dpendait. Lactivation A
i
dun chunk
i inuence sa probabilit de rappel. Un chunk est rappel uniquement si
son activation dpasse un certain seuil . Du fait de la nature bruite des
valeurs dactivation, il existe une certaine probabilit pour quun chunk
soit au-dessus du seuil. Cette probabilit P
i
est donne par lquation :
P
i
=
1
1 +e
(A
i
/)s
Le paramtre s permet de contrler le bruit perturbant les niveaux
dactivation. Si un chunk est retrouv alors le temps de latence avant
son extraction de la mmoire dclarative est inuenc par son niveau
dactivation A
i
, le temps est calcul suivant lquation suivante :
T
i
= Fe
A
i
Ici, F est un facteur de latence. Les valeurs de s, et F sont des valeurs
qui peuvent varier lgrement dun modle un autre.
7.2 les modules 125
Cette thorie permet de faire une distinction entre mmoire explicite
et mmoire implicite. La mmoire explicite fait rfrence aux chunks
spciques qui peuvent tre retrouvs et inspects. La mmoire implicite
rete le processus subsymbolique dactivation qui gouverne laccessibilit
aux souvenirs.
7.2.2 La mmoire procdurale
Comme vu en introduction, il y a deux types de connaissances dans ACT-
R : les connaissances dclaratives et les connaissances procdurales. Les
connaissances dclaratives sont structures en chunks, les connaissances
procdurales sous forme de productions. Nous allons prsenter comment
sont gres les productions.
Une approche utilitariste du systme de production
Nous avons vu quACT-R est constitu de plusieurs modules indpen-
dants. Chaque module dlivre de linformation sous forme de chunk dans
le buer qui lui est propre. Le systme de production collecte lensemble
des informations contenues dans les buers et dcide quel comportement
adopter pour atteindre le but x. Lide principale du systme de pro-
duction dACT-R est quil est possible pour un tat donn des buers
que plusieurs productions soient activables, mais quune seule peut tre
slectionne par le systme un instant t. Pour rsoudre ce problme, le
systme de production dACT-R est rgi par le principe dutilit. chaque
production est associ un calcul dutilit. Si plusieurs productions sont
ligibles alors celle qui possde la plus forte utilit sera slectionne. Les
valeurs dutilit des productions sont bruites et varient constamment en
quantit linstar de lactivation des chunks en mmoire dclarative dont
elles dpendent.
Les utilits associes une production sont bruites et varient ala-
toirement (cf. quation ci-dessus). Si n productions correspondent aux
conditions requises pour leur activation (i.e., sont en concurrence) alors la
probabilit de slectionner la i
me
production dpend des utilits U
i
de la
production n en fonction de la formule suivante :
P
i
=
e
U
i
/t
n
j
e
U
j
/t
La sommation concerne les n productions ligibles, et t est le paramtre
de bruit relatif aux productions.
Il existe un mcanisme dapprentissage qui permet dajuster la valeur
dutilit dune production en fonction de sa frquence dutilisation et du
rsultat obtenu suite son activation : cest lutilit apprise. Pour faire
126 si mulati on de la d etecti on de confli t dans act-r
simple, la valeur dutilit dune production i lors de sa n
ime
utilisation
U
i
(n) est gale :
U
i
(n) = U
i
(n1) +[R
i
(n) U
i
(n1)]
Ici, reprsente la vitesse dapprentissage et R
i
(n) est la rcompense
associe la production U
i
lors de son excution. Le terme R
i
est para-
mtrable pour chaque production. Une fois quune production est choisie,
elle met 50 ms tre excute dans le cas gnral.
En termes dapprentissage il existe galement un systme de com-
pilation de rgles de productions . Ce systme de compilation permet
grce lexprience de fusionner plusieurs productions en une seule. La
consquence directe est que le modle est capable de rsoudre le mme
problme en moins de temps puisquil met en uvre moins de produc-
tions : il est plus performant. Comme lobjet de cette thse est de simuler
le comportement de contrleurs dj experts, nous ne dtaillerons pas plus
ces mcanismes. En eet, les participants notre exprience ont dj d
compiler leurs productions depuis un long moment.
Les productions dans ACT-R
Nous allons dcrire brivement la syntaxe dune rgle de production. Les
rgles de production sont de la forme : SI (conditions) ALORS (actions).
La partie condition est appele Left Hand Side (LHS)
7
, la partie action est
appele Right Hand Side (RHS)
8
. La LHS spcie le pattern de chunks
qui doivent tre prsents dans les dirents buers pour que la rgle de
production puisse tre choisie. Elle spcie galement ltat des dirent
modules lorsque cela est ncessaire. La RHS spcie les actions mener.
Ces actions peuvent permettre de crer ou de modier un chunk, de faire
une requte auprs dun module spcique, de garder en mmoire une
information particulire... Il est possible que plusieurs productions soient
en comptition un instant t parce quelles satisfont toutes les conditions
requises dans le LHS. Quoi quil en soit, une seule sera choisie (cf. la
rsolution de conit des rgles de production) et applique. Une fois
quune production a t excute, le systme de production value
nouveau le contenu des buers et slectionne une production qui saccorde
avec ltat des buers, jusqu ce que le modle ait termin sa tche. Le
Listing 7.1 prsente un exemple dune production extraite de notre modle.
7. Partie gauche de la production, left hand side.
8. Partie droite de la production, right hand side
7.2 les modules 127
Listing 7.1: Exemple de syntaxe dune production ACT-R
(p FirstAircraft-encode-visual-location-Fleche
=goal>
isa Trial
state Visual-Location-Detected
=visual>
isa aircraft
=imaginal>
isa aircraft
?visual>
state free
==>
=goal>
state SearchAltitude
+visual-location >
ISA TEXTE-VISLOC
Vpos bottom
:nearest current
-visual>
=imaginal>
)
OA
,
voir Figure 18). Pour ce faire, le modle va porter son attention sur le
premier avion pour encoder sa pente. Il va faire de mme avec le second
avion. Avec linformation des deux pentes, le modle va pouvoir reprer
le point dintersection des deux trajectoires et y porter son attention
11
. La
fonction qui permet dancrer le point dintersection est soumise au biais
dinnershoot dcrit dans le chapitre 4. Une fois lintersection localise, le
modle peut dnir quel avion est le plus proche de ce point. Pour ce faire,
lattention revient sur un avion et se dplace vers lintersection, calcule
et encode la distance. Le modle fait exactement la mme chose pour
le second avion. Les distances sont compares. Une fois ce traitement
termin, la reprsentation de la situation est mise jour. Pendant la mise
jour nous avons ajout du bruit sur la valeur encode de la distance BA
(voir Figure18).
Ce bruit simule la distortion que subit la valeur de la distance lorsquelle
est estime et encode. Lamplitude de ce bruit est de [10%; +10%] de
la valeur relle de la distance BA
. Lactualisation de la reprsentation de
la situation permet au modle de prendre une dcision base sur plusieurs
11. Le lecteur identiera ici la stratgie srielle dcrite au chapitre 4.
7.3 le mod` ele act-r 143
A
B
A
I
Dt
h
Figure 18: Stratgie perceptive pour valuer la distance latrale de spara-
tion. Les points A et B dsignent chaque avion, le point I est
le point dintersection des deux trajectoires, A est le point A
rabattu sur la trajectoire de B. La sparation latrale sapproche
de la distance BA.
paramtres : le direntiel de vitesses (identiques ou direntes) et la
valeur estime du Dt
h
.
Si les vitesses sont direntes, le modle a quatre stratgies possibles
pour prendre une dcision :
Lavion le plus rapide est le plus proche du point dintersection, alors
le modle dcide de ne pas intervenir ;
Lavion le plus lent est le plus proche de lintersection alors il y a
risque de rattrapage, et le modle dcide dintervenir ;
Lavion le plus rapide est le plus proche du point dintersection mais
les distances ne sont pas susamment discriminantes pour lever
lincertitude sur un conit, le modle dcide dintervenir ;
Lavion le plus lent est le plus proche de lintersection mais lestima-
tion des distances permet dcarter un risque de rattrapage, dans un
tel cas, le modle dcide de ne pas intervenir.
Dans le cas des vitesses identiques, seules les distances AI, BI percep-
tibles lcran et leur direntiel et BA
p
o
n
s
e
e
n
s
ATC
Modle
Figure 19: Courbes des temps de rponse moyens pour les scnarios o
les avions sont la mme altitude (SA). SS : mmes vitesses,
DS : vitesses direntes, 2,5 et 7,5 : valeur du Dt
h
.
les avions sont la mme altitude (i.e. SA, soit les cas les plus complexes).
La gure 20 prsente les courbes des temps de rponse moyens pour les
ATC et le modle dans le cas de scnario o les avions sont des altitudes
direntes (DA) ou lorsque les avions sont la mme altitude et divergents
(SA-Div).
Nous pouvons voir partir de la Figure 19 que le modle met gnrale-
ment plus de temps prendre une dcision que les ATC. Pour les cas de
poursuite (0), les temps de rponse du modle suivent correctement ceux
des ATC. Nanmoins, la dirence de temps de rponse entre les situations
vitesses identiques (SS) et vitesses direntes (DS) est bien plus faible
pour les ATC que pour le modle (respectivement 0,44 s versus 1,11 s).
Les stratgies employes par le modle sont moins optimises que celles
utilises par les ATC. Dans le cas des face--face (180) le modle est
plus lent que les ATC. Le modle met 1,44 secondes de plus que les ATC
quand les vitesses sont identiques et le Dt
h
est de 7,5 NM. Le cas des
trajectoires 45 est le moins bien rendu. En eet, les temps de rponse
du modle saccordent correctement avec les performances des ATC dans
les congurations o les vitesses sont direntes (DS) mais pas dans le
cas o les vitesses sont identiques (SS). Les performances obtenues par le
modle sur les scnarios avec des trajectoires 90 correspondent avec
celles obtenues par les ATC. Le modle reste nanmoins un peu trop lent
(0,75 s) pour prendre une dcision. Pour les situations o les trajectoires
forment un angle de 135, les performances du modle sont trs proches
de celles des ATC (0,35 s).
7.3 le mod` ele act-r 151
0
1
2
3
4
0
-
D
A
-
S
S
-
2
,
5
0
-
D
A
-
D
S
-
2
,
5
1
8
0
-
D
A
-
S
S
-
2
,
5
1
8
0
-
D
A
-
D
S
-
2
,5
4
5
-
D
A
-
S
S
-
2
,
5
4
5
-
D
A
-
D
S
-
2
,
5
9
0
-
D
A
-
S
S
-
2
,
5
9
0
-
D
A
-
D
S
-
2
,
5
1
3
5
-
D
A
-
S
S
-
2
,
5
1
3
5
-
D
A
-
D
S
-
2
,5
D
i
v
4
5
-
S
A
-
S
S
-
2
,
5
D
i
v
4
5
-
S
A
-
D
S
-
2
,
5
D
i
v
4
5
-
D
A
-
S
S
-
2
,
5
D
i
v
4
5
-
D
A
-
D
S
-
2
,5
D
i
v
9
0
-
S
A
-
S
S
-
2
,
5
D
i
v
9
0
-
S
A
-
D
S
-
2
,
5
D
i
v
9
0
-
D
A
-
S
S
-
2
,
5
D
i
v
9
0
-
D
A
-
D
S
-
2
,5
Scnarios DA et Div
T
e
m
p
s
d
e
r
p
o
n
s
e
e
n
s
ATC
Modle
Figure 20: Courbes des temps de rponse moyens pour les scnarios o les
avions sont des altitudes direntes (DA) ou divergents (SA-
Div et DA-Div). SS : mmes vitesses, DS : vitesses direntes,
2,5 et 7,5 : valeur du Dt
h
.
Pour les cas les plus simples (Altitudes Direntes (DA) et SA-Div) on
observe un renversement de tendance en comparaison des cas les plus
complexes vus ci-dessus. Le modle met en moyenne moins de temps
pour prendre une dcision. Il met 0 s de moins pour les scnario DA et
0,23 s pour les SA-Div. Globalement, pour ces cas, le modle est un peu
trop constant.
La corrlation entre les performances obtenues par les contrleurs a-
riens et le modle est gale r(56) = .87, avec une dviation moyenne de
4%. La Figure 21 prsente les courbes des frquences de bonnes rponses
obtenues par les ATC et le modle. Seuls les scnarios o les avions
altitudes identiques (SA) sont prsents. En eet, les scnarios o les
altitudes sont direntes (DA) et o les avions sont divergents (SA-Div)
provoquent moins de 1% derreur. La plupart sont des erreurs dinatten-
tion et prsentent peu dintrt (e.g., le participant se trompe de touche
pour rpondre et sen aperoit immdiatement). Nous pouvons voir sur la
Figure 21 que les ATC font gnralement moins derreurs que le modle.
Toutefois, lallure gnrale de la courbe des performances du modle cor-
respond bien aux variations de performance des ATC. Plus prcisment,
pour les cas de poursuite, le modle ne fait jamais derreur contrairement
aux ATC. Lcart moyen des frquences de bonne rponse est de 8%. Pour
les cas de face--face, le modle suit trs bien les performances des ATC,
toutefois elles baissent pour le scnario o les vitesses sont direntes
et le Dt
h
est de 7,5 NM. Pour les cas des trajectoires 45, le modle
est performant pour les situations o le Dt
h
est de 2,5 NM, mais les per-
152 si mulati on de la d etecti on de confli t dans act-r
0,00
0,20
0,40
0,60
0,80
1,00
0-
SA-
SS-
2,5
0-
SA-
SS-
7,5
0-
SA-
DS-
2,5
0-
SA-
DS-
7,5
180-
SA-
SS-
2,5
180-
SA-
SS-
7,5
180-
SA-
DS-
2,5
180-
SA-
DS-
7,5
45-
SA-
SS-
2,5
45-
SA-
SS-
7,5
45-
SA-
DS-
2,5
45-
SA-
DS-
7,5
90-
SA-
SS-
2,5
90-
SA-
SS-
7,5
90-
SA-
DS-
2,5
90-
SA-
DS-
7,5
135-
SA-
SS-
2,5
135-
SA-
SS-
7,5
135-
SA-
DS-
2,5
135-
SA-
DS-
7,5
Scnarios SA
P
e
r
f
o
r
m
a
n
c
e
(
f
r
q
u
e
n
c
e
)
ATC
Modle
Figure 21: Courbes des moyennes des frquences de bonnes rponses
pour les scnarios o les avions sont des altitudes identiques
(SA). SS : mmes vitesses, DS : vitesses direntes, 2,5 et 7,5 :
valeur du Dt
h
.
formances chutent pour les cas o le Dt
h
est de 7,5 NM : le modle fait
trop de fausses alarmes. Les angles 90 sont bien traits par le modle
(dviation moyenne de .06 ; min=0 ; max=.13). Pour les trajectoires
135 le modle est plus performant que les ATC dans le cas o les vitesses
sont identiques et le Dt
h
de 2,5 (1 versus .73), et moins performant dans
le cas o le Dt
h
est de 7,5 NM.
Pour rsumer, les corrlations calcules partir des moyennes des temps
de rponse et de performance au cours des 56 scnarios sont de :
r(56) = .93; DM = 378 ms, pour les temps de rponse ;
r(56) = .83; DM = .04, pour la performance.
Nous avons vu dans la partie analyses des donnes quil existait un autre
moyen dagrger les donnes pour calculer les corrlations entre les scores
des ATC et ceux du modle. Nous avons donc agrg les temps de rponse
et la performance de la mme faon que celle prsente au chapitre 5. Pour
rappel, les scnarios furent regroups en six classes en fonction de leur
niveau de dicult. Ces classes taient :
1. DA-Div : les avions sont des altitudes direntes et divergent ;
2. SA-Div : les avions sont la mme altitude et divergent ;
3. DA-SS : les avions sont des altitudes direntes, leurs vitesses
sont identiques et ils ne divergent pas ;
4. DA-DS : les avions sont des altitudes direntes, leurs vitesses
sont direntes et ils ne divergent pas ;
7.3 le mod` ele act-r 153
5. SA-SS : les avions sont la mme altitude, leurs vitesses sont
identiques et ils ne divergent pas ;
6. SA-DS : les avions sont la mme altitude, leurs vitesses sont
direntes et ils ne divergent pas.
Les rsultats sont prsents la Figure 22. Les corrlations obtenues
sont les suivantes :
Pour les temps de rponse : r(6) = .99; DM = 242 ms ;
Pour la performance : r(6) = .98; DM = .01.
En ce qui concerne les temps de rponse en fonction de la classe de scna-
rio, le modle est sensiblement plus rapide pour les cas les plus simples
(tous les DA et SA-Div ; dviation moyenne de 0,17 s) et un peu plus lent
que les ATC pour les cas les plus complexes (SA-SS et SA-DS ; dviation
moyenne de 0,53 s). Toutefois, le coecient de corrlation reste excellent :
r(6) = .99. La performance du modle est trs lgrement suprieure
celle des ATC (dviation moyenne de .01) pour les trois premires classes.
Par contre, pour les cas les plus complexes selon Rantanen & Nunes, 2005,
le modle voit ses performances baisser en comparaison de celles des ATC
(dviation moyenne de .05).
154 si mulati on de la d etecti on de confli t dans act-r
0
0,5
1
1,5
2
2,5
3
3,5
4
4,5
5
DA-Div SA-Div DA-SS DA-DS SA-SS SA-DS
Condi ti ons expri mental es
T
e
m
p
s
d
e
r
p
o
n
s
e
(
s
)
Contrleurs ariens
Modle ACT-R
r =.994
Dviation Moyenne=0,242s
Angles divergents
Autres angles
.50
.60
.70
.80
.90
1
1,10
DA-Div SA-Div DA-SS DA-DS SA-SS SA-DS
Condi ti ons expri mental es
P
e
r
f
o
r
m
a
n
c
e
(
f
r
q
u
e
n
c
e
s
)
Contrleurs ariens
Modle ACT-R
r =.976
Dviation Moyenne=0,01
Angles divergents Autres angles
Figure 22: Courbes de la moyenne des frquences de performance (en
haut) et de la moyenne des temps de rponse (en bas) en fonc-
tion de la dicult des scnarios. DA-Div : altitudes direntes
et angles divergents, SA-Div : altitudes identiques et angles
divergents, DA-SS : altitudes direntes, vitesses identiques et
angles non divergents, DA-DS : altitudes direntes,vitesses
direntes et angles non divergents, SA-SS : altitudes iden-
tiques et vitesses identiques et angles non divergents, SA-DS :
altitudes identiques et vitesses direntes et angles non diver-
gents.
7.3 le mod` ele act-r 155
Table 12: Temps de rponse et frquence de rponses correctes des contr-
leurs ariens et du modle computationnel.
Scnario Temps de rponse (s) Performance (frquence)
ATC Modle ATC Modle
0-SA-SS-2,5 3,38 3,60 .93 1.00
0-SA-SS-7,5 3,51 3,64 .93 1.00
0-SA-DS-2,5 3,89 4,74 .87 1.00
0-SA-DS-7,5 3,89 4,73 .93 1.00
0-DA-SS-2,5 2,60 2,31 1.00 1.00
0-DA-SS-7,5 2,61 2,31 .53 .47
0-DA-DS-2,5 2,70 2,31 1.00 1.00
0-DA-DS-7,5 2,10 2,31 .67 .33
180-SA-SS-2,5 3,00 3,60 .93 1.00
180-SA-SS-7,5 3,49 4,94 .73 .47
180-SA-DS-2,5 3,07 3,62 1.00 1.00
180-SA-DS-7,5 4,38 4,91 .73 .40
180-DA-SS-2,5 2,22 2,31 1.00 1.00
180-DA-SS-7,5 2,88 2,27 .47 .60
180-DA-DS-2,5 2,24 2,31 1.00 1.00
180-DA-DS-7,5 2,36 2,28 .60 .73
45-SA-SS-2,5 4,48 3,62 .73 1.00
45-SA-SS-7,5 3,51 5,13 .47 .27
45-SA-DS-2,5 3,36 3,59 1.00 1.00
45-SA-DS-7,5 4,19 5,12 .67 .47
45-DA-SS-2,5 2,34 2,31 1.00 1.00
45-DA-SS-7,5 2,84 2,28 1.00 1.00
45-DA-DS-2,5 2,69 2,31 .93 1.00
45-DA-DS-7,5 2,26 2,31 1.00 1.00
90-SA-SS-2,5 2,84 3,63 1.00 1.00
90-SA-SS-7,5 4,18 5,13 1.00 1.00
90-SA-DS-2,5 4,42 5,11 1.00 1.00
90-SA-DS-7,5 4,54 5,13 1.00 1.00
90-DA-SS-2,5 2,20 2,31 1.00 1.00
90-DA-SS-7,5 2,39 2,31 1.00 1.00
90-DA-DS-2,5 2,44 2,31 1.00 1.00
90-DA-DS-7,5 2,53 2,27 1.00 1.00
156 si mulati on de la d etecti on de confli t dans act-r
Table 12: (suite)
Scnario Temps de rponse (s) Performance (frquence)
ATC Modle ATC Modle
135-SA-SS-2,5 3,99 3,65 1.00 1.00
135-SA-SS-7,5 5,07 5,14 1.00 1.00
135-SA-DS-2,5 3,76 3,61 1.00 1.00
135-SA-DS-7,5 4,26 5,11 .93 1.00
135-DA-SS-2,5 2,66 2,31 1.00 1.00
135-DA-SS-7,5 2,40 2,28 1.00 1.00
135-DA-DS-2,5 2,15 2,26 1.00 1.00
135-DA-DS-7,5 2,29 2,31 .93 1.00
Div45-SA-SS-2,5 1,82 1,78 1.00 1.00
Div45-SA-SS-7,5 1,98 1,73 1.00 1.00
Div45-SA-DS-2,5 1,96 1,78 1.00 1.00
Div45-SA-DS-7,5 1,70 1,78 1.00 1.00
Div45-DA-SS-2,5 2,03 1,76 1.00 1.00
Div45-DA-SS-7,5 2,20 1,78 1.00 1.00
Div45-DA-DS-2,5 2,07 1,73 1.00 1.00
Div45-DA-DS-7,5 1,80 1,72 1.00 1.00
Div90-SA-SS-2,5 2,00 1,78 1.00 1.00
Div90-SA-SS-7,5 1,93 1,74 .93 1.00
Div90-SA-DS-2,5 1,77 1,78 1.00 1.00
Div90-SA-DS-7,5 2,09 1,72 1.00 1.00
Div90-DA-SS-2,5 2,09 1,78 1.00 1.00
Div90-DA-SS-7,5 2,21 1,74 1.00 1.00
Div90-DA-DS-2,5 2,11 1,78 1.00 1.00
Div90-DA-DS-7,5 1,97 1,78 1.00 1.00
7.4 di scussi on et conclusi on 157
7.4 di scussi on et conclusi on
Lobjectif de cette partie tait de prsenter une modlisation computa-
tionnelle du modle thorique de dtection de conit prsent au chapitre 5.
Dans un premier temps, nous avons repris la structure des buts que les
contrleurs semblent utiliser : tester la divergence, tester la sparation
verticale et tester la sparation horizontale. Cette structure des buts sert de
squelette. chaque sous-but nous avons dcrit un ensemble de processus
permettant au modle datteindre ses objectifs. Nous avons intgr dans
ces processus une grande partie des travaux que nous avons prsents au
long de la thse : innershoot, stratgies perceptives, mouvements oculaires,
les stratgie possibles pour rsoudre les direntes congurations de paires
davions. Ce modle computationnel est en fait la synthse de dirents
rsultats et travaux.
Nous avons vu quil tait possible de dcrire quatre classes de stratgies
permettant destimer si une intervention sur une paire davions risque
tait entreprendre. Ces quatre classes sont des stratgies de type :
heuristique, bases sur des rgles gnrales et simples ;
globale, qui prennent en compte de la conguration des avions dans
son ensemble ;
perceptive, lors des estimations de distances ;
analytique, lors des calculs de dirences relatives.
Lutilisation de chacune de ces stratgies est dpendante de la conguration
des avions prsents lcran. Nous pouvons galement remarquer que
la plupart de ces stratgies reposent sur lestimation des congurations
gomtriques ou de distances : estimation du Dt
h
dans les cas davions en
face--face ou convergents, la perception de la divergence, reconnaissance
dune situation fort potentiel de risque... Plus les cas sont complexes et
plus les stratgies sont coteuses en temps et demandent de la prcision
(e.g., les stratgies analytiques). Ces direntes stratgies combines aux
apports thoriques de la littrature ainsi quaux apports de cette thse, nous
ont permis de construire un modle psychologique cohrent. Notre objectif
tait de garantir la cohrence du modle et sa validit. Pour ce faire, nous
avons implment le modle et nous avons compar ses rsultats avec ceux
des ATC.
Le modle a t programm dans larchitecture cognitive ACT-R 6.0.
Le but de cette implmentation tait de confronter le comportement de
notre modle thorique celui des contrleurs ariens qui ont particip
lexprience du chapitre 5. Les rsultats des simulations sont relativement
satisfaisants : le modle semble trouver une certaine validit lorsquil
est compar aux donnes des experts que ce soit en termes de temps de
rponse ou de performance.
158 si mulati on de la d etecti on de confli t dans act-r
Dans ACT-R, il existe tout un ensemble de paramtres implments
(seuil de rcupration des souvenirs, facteur de latence, bruit instantan...)
propres au fonctionnement de larchitecture. Ces paramtres ont des va-
leurs par dfaut. Il est frquent de modier ces valeurs pour ajuster les
performances dun modle. Or, plus un modle ncessite dajustements,
plus il modie le fonctionnement gnral de larchitecture. Ces modi-
cations rendent le modle plus spcique, lcartant de fait dun modle
cognitif gnral. En ce qui concerne notre modle, nous navons modi
quun seul paramtre, celui de la valeur du seuil de rcupration dun
chunk en mmoire dclarative. Nous avons baiss cette valeur
15
pour que
le modle retrouve systmatiquement le chunk contenant les informations
relatives lchelle des 5 miles nautiques. Nous avons donc implment
un modle valide qui respecte le fonctionnement gnral de larchitecture
cognitive ACT-R. Il reste toutefois un ensemble de points aner pour
amliorer ce modle.
Au niveau des stratgies, tout dabord, le modle capture avec dicult
les comportements des ATC lorsque les avions convergent avec un angle de
45, notamment pour les conditions o les avions vont la mme vitesse
(SS). Nous avons vu plus haut que lorsque les avions ont des vitesses iden-
tiques, seules les estimations de distances entre le point de croisement des
deux trajectoires et chaque avion permettaient destimer le Dt
h
. Les stra-
tgies que nous avons appliques pour les angles convergents ne prennent
pas le type dangle en compte. Or il semble, vu les comportements du
modle, que les processus impliqus dans lanalyse des cas 45 sont
dirents que ceux pour 90 et 135 . La faon dont cette conguration
est eectivement estime reste une question ouverte ce jour. En eet, les
donnes que nous avons recueillies auprs des ATC ne peuvent pas nous
renseigner davantage sur la faon dont langle 45 est trait.
Un autre point est lcart de temps moyen entre le modle et les ATC :
le modle est un peu trop lent. De manire gnrale, un modle est lent car
il utilise plus de productions quil ne le devrait lors de la ralisation dune
tche. Dit autrement, le modle pourrait tre optimis. Nous aurions pu
mettre en place une solution plus technique que psychologique. Dans
ACT-R, toute information met un certain temps tre manipule. Nous
avons vu que le temps de latence entre lactivation et lmergence dune
connaissance prenait en gnral 35 ms, 50 ms pour une production, etc.
Dans le cas dune modication du chunk contenu dans le buer du module
imaginal, ACT-R met 200 ms avant de ractualiser la perception de la
situation. Il est possible que nos choix, concernant la manipulation des
connaissances dans le module imaginal, naient pas t optimaux. Nous
aurions donc pu rduire le nombre de modications opres partir du
module imaginal pour faire baisser les temps de rponse du modle. Or
15. La valeur par dfaut du seuil de rcupration est de 0, nous lavons modie 1,5.
7.4 di scussi on et conclusi on 159
ces modications impliquaient que la perception de la situation du modle
ne soit pas remise jour rgulirement, ou que le chunk qui contient la
reprsentation de la situation comporterait un nombre demplacements
(slots) bien plus important que ce qui est normalement considr comme
acceptable dans la communaut ACT-R. An de conserver une cohrence
psychologique au modle, nous avons cart cette solution.
Une autre approche an damliorer le modle est de prendre en compte
la capacit des contrleurs mener de front plusieurs tches. Lors de nos
observations au Centre Rgional de la Navigation Arienne (CRNA) de
Bordeaux et lors de sances de simulations lENAC nous avons remarqu
que les ATC ralisaient rgulirement plusieurs actions simultanment : d-
placements des strips sur le tableau, clairance un pilote, prise en compte
dun signe fait par le radariste... Il semble que les contrleurs pourraient
dune manire ou dune autre traiter en parallle plusieurs informations
sur des modalits direntes. Cette capacit pourrait expliquer en partie
pourquoi le modle est plus lent que les contrleurs. Il serait donc int-
ressant dtudier si eectivement les contrleurs ariens possdent des
capacits particulires de traitement de linformation : attention partage,
travail en double tche, nombre dinformations manipules simultanment
en mmoire etc.
Globalement, la performance du modle est bonne, mais il reste cepen-
dant rgulier dans certaines situations. En eet, lorsquil sagit dvaluer
des situations o les avions sont soit des altitudes direntes, soit di-
vergents, les performances du modle ne varient que trs lgrement en
fonction du scnario alors que les performances des ATC sont bien moins
stables.
Nous avons utilis des fonctions LISP reprsentant des processus paral-
lles pour pouvoir simuler dirents biais sur lestimation des distances et
pour obtenir une valuation globale de la conguration gomtrique. Ce
parti pris sest rvl payant dans la mesure o le modle corrle assez bien
avec les donnes des ATC. Toutefois, pouvons-nous rsumer la dtection
de conit des estimations de distances ? Dun point de vue strictement
thorique il semble que lvaluation de la sparation horizontale soit forte-
ment dpendante de la conguration gomtrique des avions. Quelques
auteurs (Bisseret, 1995 ; Averty, 1998 ; Stankovic et al., 2008) partent
galement du principe selon lequel les distances jouent un rle important.
Il nous a donc fallu trouver un moyen pour que le modle puisse raliser
ces direntes estimations. Or dans son tat actuel, le module de la vision
dACT-R ne prend pas en compte les biais perceptifs inhrents une acti-
vit particulire comme la perception de lintersection de deux trajectoires
convergentes (i.e., innershoot). La solution que nous avons retenue pour
rsoudre ce problme fut donc dimplmenter ces biais perceptifs grce
des fonctions. Ces fonctions reprsenteraient des rseaux de neurones
160 si mulati on de la d etecti on de confli t dans act-r
fonctionnant en parallle et dont lactivit naurait pas de consquences
sur les temps de traitement simuls.
On pourrait penser que lestimation des distances ne soit pas aussi
importante. En eet, les tudes sur la dtection de conit impliquent g-
nralement deux avions sur un cran radar, cette position volontairement
rductionniste a pour principal dfaut de ne pas prendre en compte len-
semble de lactivit et lensemble des informations en entre qui sont
habituellement traites par les contrleurs. De plus, un radar comporte un
grand nombre dinformations, rendant sa lecture complexe. La surcharge
dinformations aches sur le radar peut nuire lestimation prcise des
distances (Hotopf & Brown, 1988). Lutilisation des vecteurs vitesse est
une solution adapte ce problme. En eet, leur usage permet dantici-
per la position dun ou de plusieurs avions dans le temps. Or lachage
des vecteurs vitesse permet dans une certaine mesure destimer les dis-
tances, de les comparer, voir destimer le temps avant un possible conit.
Donc que ce soit dans une situation de travail relle ou dans une situa-
tion exprimentale nimpliquant que deux avions, nous pouvons penser
que lestimation des distances est un facteur extrmement important dans
lactivit des ATC lheure actuelle.
En termes de perspectives de recherche, plusieurs axes paraissent per-
tinents pour amliorer et complter le modle computationnel. Notre
approche rductionniste nous a permis de partir dune situation particu-
lirement simple : les deux avions maintenaient constantes leurs altitudes
et leurs vitesses. Par consquent, il est simple de procder au test de la
sparation verticale puisquil sut calculer le direntiel daltitude pour
pouvoir prendre une dcision. Or dans un secteur en-route, les avions ne
sont pas ncessairement aussi stables et voluent verticalement. Les ATC
ont donc une contrainte supplmentaire. Ce qui fait la dicult de ce
genre danticipation cest qu aucun instant lATC na une reprsentation
externe de cette volution (i.e. graphique), lcran radar tant en deux
dimensions. Comment font les ATC pour rsoudre ces cas ? Comment est
estime la sparation horizontale quand un ou plusieurs avions voluent
simultanment ? Les modles de Averty (1998) et Stankovic et al. (2008)
mettent en avant une troisime distance qui est le Dt
v
. Cette variable est la
distance de sparation verticale au moment o un des deux avions sortira
de la limite de sparation. Toutefois, les auteurs ne dcrivent aucun mo-
ment comment cette distance est value, ni en fonction de quels processus
cognitifs. Cette question relve dun intrt particulier pour toute personne
implique dans ltude des processus cognitifs responsables de la dtection
de conit sur radar.
Notre modlisation est base sur la rplication du protocole exprimen-
tal de Rantanen et Nunes (2005). Ce protocole permet de croiser quatre
variables (angle, altitude, vitesse et Dt
h
) ce qui a pour avantage de mettre
7.4 di scussi on et conclusi on 161
en vidence le rle des ces facteurs dans la dtection de conit. Toutefois,
la dnition mme du plan ne nous permet pas de crer toutes les congu-
rations de conit possibles. Une ou plusieurs expriences supplmentaires
nous permettraient de construire davantage de scnarios et donc dtudier
plus nement les stratgies possibles mises en place par les ATC pour
tenter den faire un inventaire et de les implmenter pour complter notre
modle. Finalement, il est probable que les stratgies utilises soient forte-
ment variables dune personne lautre. Notre modle est trs gnraliste
dans la mesure o il ne prend pas le facteur inter-individuel en compte. En-
core une fois, il serait ncessaire de mettre en place plusieurs expriences
montrant comment sont utilises les stratgies en fonction du contrleur
et non en fonction de la situation. Lutilisation de stratgies personnelles
pourrait expliquer pourquoi les donnes sont aussi disperses dans certains
cas.
En conclusion, bien que notre modle ne prenne pas en compte les
dirences inter-individuelles, et ne couvre pas lintgralit des cas de
conit possibles, il se comporte dune faon satisfaisante quelle que soit la
mthode de validation adopte. Nous sommes particulirement conscients
des amliorations apporter en terme de exibilit, de modlisation des
erreurs dinattention. Quoi quil en soit, la modlisation computationnelle
est un bon outil pour tester et valider une thorie. Cette mthode nest
toutefois pas la panace. En eet, larchitecture doit tre la plus complte
possible pour pouvoir implmenter dirents processus sans passer par
lajout de fonctions particulires.
Nous avons implment le modle thorique prsent au chapitre 5 dans
larchitecture cognitive ACT-R 6. Les rsultats de la simulation ont montr
que le modle pouvait prdire correctement la fois les temps de rponse
et la performance des contrleurs humains (respectivement r(56) = .93 et
r(56) = .83).
Toutefois, notre modle reste amliorer notamment en prenant en
compte :
Lvolution verticale des avions ;
Les dirences inter-individuelles dans lutilisation de stratgies de
dtection de conit.
8
CONCLUSI ON ET PERSPECTI VES
Dans cette dernire partie, nous prsenterons les contributions apportes
par notre travail. Nous discuterons ensuite des limites gnrales de notre
approche et, pour terminer nous verrons quelles sont les perspectives
de recherches relatives ltude des processus cognitifs utiliss par les
contrleurs ariens.
8.1 les apports de notre travai l
Lobjectif de la thse tait de pouvoir implmenter un modle cognitif
de la dtection de conit chez les contrleurs arien en-route dans lar-
chitecture cognitive ACT-R. Le modle computationnel que nous avons
prsent repose sur les bases thoriques introduites par Leplat et Bisseret
et reprises entre autres par Niessen et al., Rantanen et Nunes, Raufaste...
Il reprend lide selon laquelle les contrleurs ariens utilisent une stra-
tgie lexicographique pour prendre une dcision sur le risque de conit.
Toutefois, ce modle dire de ceux prcdemment dcrits sur plusieurs
points.
Tout dabord, sur le plan thorique, notre modle ne se contente pas de
mettre en vidence la squence des tests dcisionnels, il propose galement
des stratgies possibles pour eectuer ces tests. En eet, hormis dans le
modle de Raufaste, les micro-dcisions intgres dans chaque test de
chaque modle ne sont pas, ou peu dtailles. Nous entendons par pas
dtailles le fait quelles ne sont pas susamment prcises pour pouvoir
tre implmentes. Par exemple, dire que les contrleurs estiment la dis-
tance horizontale au point le plus proche ninforme absolument en rien sur
la faon dont cette distance est value. Ce manque de prcision nous a
pouss comprendre comment les distances taient estimes. Nous avons
vu quil existe de srieux arguments appuyant lide que la perception des
distances sur un cran radar est biaise. Nous avons donc intgr notre
modle computationnel une partie de ces biais perceptifs qui nont, notre
connaissance, que rarement t pris en compte dans les tudes relatives
la dtection de conit.
163
164 conclusi on et perspecti ves
La deuxime dirence entre notre modle et les modles existants est
dordre mthodologique. Nous avons remarqu quil existait relativement
peu dtudes sur la dtection de conit prenant en compte les mouvements
oculaires. Dans ces tudes, les aires dintrt restent un niveau de dtail
soit trs gnral (Metzger & Parasuraman, 2006), soit pas assez dtaill
(Willems et al., 1999) pour rpondre la question Quelles sont les infor-
mations aches sur le radar pour diagnostiquer une perte de sparation
entre deux avions ? . Il nous a donc paru pertinent daller encore plus loin
dans lanalyse des lments regards sur un cran radar, notamment en
mesurant les informations acquises partir des tiquettes de chaque avion.
Grce cette technique nous avon pu galement mesurer limportance
de chaque information. Cest en grande partie ces rsultats qui nous ont
pouss proposer un nouveau modle de la dtection de conit.
Grce aux donnes recueillies lors de la rplication du protocole ex-
primental inspir de Rantanen et Nunes (2005), nous avons pu mener
une analyse en deux temps. Dans un premier temps, chaque indicateur
(temps de rponse, performance, mouvements oculaires) a t analys
indpendamment pour pouvoir valider ou inrmer les prdictions des
modles existants sur lesquels nous aurions pu nous appuyer. Dans un
second temps, nous avons tent dintgrer lensemble de nos rsultats pour
pouvoir construire un nouveau modle cohrent qui ne trouve pas son
semblable dans la littrature.
La troisime dirence majeure est que notre modle a t implment
et test dans une architecture cognitive. Nous sommes partis de nos don-
nes pour pouvoir comparer le comportement du modle avec celui des
contrleurs humains. Les rsultats issus de la simulation ont montr que
notre modle possdait une certaine validit, tant au niveau du traitement
cognitif que de la performance obtenue.
Finalement, nous avons test limpact de la consigne dans une tche
de dtection de conit. Nous sommes partis de lide de Loft selon la-
quelle les contrleurs dcideraient avant tout dintervenir sur un avion
problmatique plutt que de dcider sil y avait eectivement conit. Cette
dirence a des consquences sur la validit cologique des donnes re-
cueillies. En eet, demander un contrleur de faire ce quil ne fait pas
rellement pose un problme dcologie vident. Toutefois, on pourrait
essayer dargumenter que si un contrleur intervient cest quil estime
quil y a conit. Cet argument parat valable, nanmoins, avec un peu de
recul sur lactivit de contrle arien il est possible de voir les choses di-
remment. Lactivit des contrleurs est varie et complexe. Ceci contraint
les contrleurs rguler leur charge cognitive et rpartir leur attention sur
lensemble des traitements quils ont eectuer. Par consquent, il est peu
probable que les ATC sinvestissent dans des jugements prcis, complexes
et coteux dans la mesure o une simple dcision dintervenir permet de
8.2 les li mi tes de notre approche 165
rgler immdiatement une situation, quil y ait rellement un danger ou
non. Cependant, mme si la dirence entre dcider dintervenir et juger
loccurrence dun conit existe, elle nest pas gnralisable toutes les
situations. En eet, la dirence ne se fait ressentir (1) que dans les con-
gurations les plus complexes et (2) uniquement sur le temps de traitement
des informations. La performance ainsi que la prise dinformation sont
identiques quelle que soit la tche demande. Quoi quil en soit, la pru-
dence doit tre de rigueur lorsque des protocoles exprimentaux utilisant
des temps de rponse et une consigne de dtection de conit sont mis en
place pour valider un modle. Il est probable que les donnes recueillies
ne retent pas rellement lactivit des contrleurs en situation naturelle.
En synthse nous avons contribu crer partir dun ensemble de
donnes un modle hirarchique de prise de dcision susamment dtaill
pour pouvoir tre implment dans une architecture cognitive et valid par
une srie de simulations. Toutefois, nous sommes conscients que notre
modle peut tre discut sur plusieurs points.
8.2 les li mi tes de notre approche
8.2.1 Le rductionnisme
Nous nous sommes focaliss sur la dtection de conit entre deux
avions stables sur le plan vertical. Des experts anonymes
1
du contrle
arien nous ont fait remarquer quaborder le contrle arien de cette
faon tait vain car selon eux, les travaux prcdents se susaient
eux-mmes. Toujours selon eux, continuer sur cette voie risque de
perptuer une reprsentation incomplte de la tche de contrle car
dautres lments ne sont pas pris en compte comme la structure des
secteurs, les ux de trac... Certes notre modle ne prend pas en compte
les spcicits dun secteur, dailleurs quel modle gnral pourrait le
faire ? Autant il peut sembler peu utile de dtailler le processus de prise
de dcision lors de la dtection de conit, autant il semble illusoire de
produire un modle global du contrle arien. ce type de remarques
certes pertinent, nous rpondrons que nous ne sommes simplement pas sur
le mme niveau danalyse des comptences relatives au contrle arien.
En eet, les contrleurs acquirent leurs comptences en deux temps et
que pendant ces deux priodes les ATC dveloppent des savoirs dirents.
Le premier temps est celui de lacquisition de connaissances gnrales, le
second celui des connaissances spciques un secteur.
Il est ncessaire de revenir sur le parcours de formation dun Ingnieur
du Contrle de la Navigation Arienne (ICNA) pour comprendre comment
1. Reviewers anonymes pour la confrence HCI 2008.
166 conclusi on et perspecti ves
sont acquis les savoir-faire. Pendant sa formation lENAC, le futur ICNA
va apprendre des procdures et des mthodes gnralisables et applicables
tout type de situation. Par exemple, on lui enseigne la dtection de
conit, la gestion des ux du trac arien, la matrise des communications
etc. Ces direntes comptences forment le tronc commun des savoirs
ncessaires la pratique du contrle arien. Avant la n de sa formation,
llve va tre aect un centre de contrle de la navigation arienne
pendant plusieurs mois (voir annes). Une fois que llve est diplm
de lENAC, il obtient le titre dICNA. Mais ce titre ne sut pas pour
que le contrleur soit quali sur la position , cest--dire expert dans
son secteur. Pour que le contrleur devienne autonome, il va passer une
priode de temps variable sous la supervision dun contrleur expert (i.e.,
quali) du secteur. Ce superviseur aura pour tche de communiquer
au nouveau venu toutes les spcicits du secteur (routes, trac, types
davions, vnements rcurrents, impact de la mto...) et dvaluer les
capacits de son apprenant. Une fois que lICNA a dmontr ses qualits
tre autonome il devient contrleur quali.
Donc, nous voyons bien que dans un premier temps le contrleur ac-
quiert des comptences gnrales et que, dans un second temps, ces com-
ptences sont adaptes en fonction de leur secteur. Cest ce moment-l
que, selon nous, le contrleur se forge une relle expertise.
Un modle global de la reprsentation mentale des ATC ne peut, par
dnition, que dicilement exister. En eet, il devra inclure chaque par-
ticularit de chaque secteur. la vue du nombre de secteurs (et donc du
nombre de spcicits relatives), il sera dicile de pouvoir dpasser de
telles contraintes.
En rduisant la situation de dtection de conit sa plus simple ex-
pression, nous pouvons rendre compte du processus gnral de prise de
dcision et ce, sans altrer nos donnes avec des eets parasites lis
la conguration du secteur. Nous pensons que ce processus est partag
par tous les contrleurs. Cela pourrait expliquer pourquoi, dans une tche
de dtection de conit entre deux avions, il est dicile de faire la di-
rence entre les performances des experts et celles des novices (Rantanen
& Nunes, 2005). Il nous parat donc pertinent de continuer dans cette voie.
Finalement, tudier et prendre en compte leet des routes de naviga-
tion et/ou le ux particulier dun secteur, nentre pas dans le mme objet
dtude et mrite tout simplement une attention spcique qui dpasse le
cadre de cette thse. Toutefois, comprendre limpact de la conguration
des voies ariennes sur la gestion du trac est ncessaire. En eet, ces
connaissances permettraient de faire des recommandations lors de la d-
nition de nouvelles routes dans un secteur. Il parat galement dicile
de produire un modle gnral du contrle arien si on ne connat pas
prcisment toutes les activits cognitives impliques dans une tche aussi
8.3 perspecti ves de recherches et appli cati ons potenti elles 167
complexe. Notre approche rductionniste prend donc sens si on comprend
quelle a pour but de dtailler un processus indispensable la tche de
contrle arien. Nous sommes toutefois conscients que dautres activits
cognitives sont luvre dans le contrle et quelles devront tre intgres
dans de futurs modles.
8.2.2 Un modle post-hoc
Les hypothses testes au chapitre 5 taient relatives aux dirents
modles de la dtection de conit prcdemment labors. Avant lanalyse
des rsultats, nous ne pensions pas ncessairement introduire un nouveau
modle. Nous pensions conrmer une approche plutt quune autre. Or
nos rsultats ne permettaient pas de trancher en faveur de tel ou tel modle,
mais laissaient plutt envisager quil tait possible dintgrer ensemble
plusieurs parties des dirents modles. Toutefois, on pourrait nous faire
la remarque que notre modle a t construit partir des donnes et
non partir dune thorie. Nous pouvons prsenter deux arguments qui
permettent dattnuer cette critique.
Premirement, nos rsultats ont t considrs la lumire de nouvelles
perspectives thoriques, notamment sur le traitement des vitesses ou sur les
problmes dordre perceptifs (voir le chapitre 5). Bien que nos choix aient
t orients par la qualit de nos rsultats, nous les avons thoriquement
justis pour la plupart.
Notre deuxime argument est limplmentation du modle dans une
architecture cognitive. Deux dmarches sont possibles lorsquun chercheur
veux crer un modle computationnel : soit le modle est cr, simul
et nalement compar avec des donnes issues dexprimentations avec
des humains. Soit, linverse, les donnes des exprimentations sont
recueillies et le modle est cr et compar. Comme ltat de lart ne
nous permettait pas de faire un modle a priori, nous avons choisi la
seconde solution. Ceci dit, dune manire ou dune autre, notre approche
de la dtection de conit a t teste et confronte aux donnes issues
de lexprience que nous avons mene. Les rsultats ont conrm que le
modle de dtection de conit tait cohrent et valide. Cependant comme
nous lavons voqu dans la conclusion du chapitre 7, il reste amliorer.
8.3 perspecti ves de recherches et appli cati ons potenti elles
En rduisant la situation de conit son minimum de complexit, nous
avons pu crer un modle cognitif de la dtection performant. Toutefois,
ce modle nest quune base de travail partir de laquelle nous pourrons
nous appuyer pour de futures recherches.
168 conclusi on et perspecti ves
Tout dabord, nous avons tent de dcrire plusieurs types de stratgies
impliques dans lestimation de la sparation horizontale. Toutefois, notre
plan exprimental ne nous a pas permis de pouvoir simuler lintgralit
des cas de conit. De fait, les stratgies que nous avons implmentes ne
forment pas une liste exhaustive de lensemble des stratgies possibles.
Normalement, il devrait en manquer. Dans un premier temps, il sera nces-
saire de faire un inventaire complet des stratgies de dtection de conit
lorsque deux avions sont la mme altitude. Une nouvelle srie dexp-
riences sera mettre en place, pour cette fois-ci tudier tous les cas de
conit et les dirents moyens mis en place par les contrleurs pour les
dtecter. Ce travail permettra de complter notre modle computationnel
et de le rendre plus exible face aux cas auxquels il pourra tre confront.
Dans un second temps, il nous parat ncessaire damliorer le modle
pour quil puisse prendre en considration des scnarios plus complexes.
En eet, dans un secteur rel, mme dans un secteur en route, les avions
voluent. Ils peuvent changer de cap, de vitesse et daltitude. Ces chan-
gements produisent des modications importantes dans la reprsentation
de la situation des contrleurs. Ces variations doivent donc tre prises en
compte pour prendre les dcisions adaptes.
Notre deuxime axe de recherche se focaliserait sur les processus per-
mettant destimer la sparation verticale entre deux avions. Cette question
est en partie aborde dans le modle dAverty (1998) et de Stankovic et
al. (2008) et est voque dans le modle de Niessen et al. (1998). Se-
lon le modle de Stankovic et al., le jugement de risque de conit serait
sous linuence dune variable dcrivant une distance verticale, le Dt
v
.
Mme si ce modle prend en compte la distance verticale de sparation,
il nexplique en rien les processus cognitifs impliqus dans lestimation
de cette variable par les contrleurs. Nous pouvons remarquer que dans
le modle de Niessen lvolution verticale des avions est prise en compte
dans ltape 1 du modle. Les contrleurs estimeraient la possibilit de
perte de sparation sur le plan vertical laide dheuristiques. Par exemple,
si un premier avion est stable et que le second volue verticalement vers le
premier, alors il y a un risque de perte de sparation sur ce plan. Il est peu
probable que les contrleurs appliquent exactement ce type de stratgie.
En eet, cette rgle est clairement suboptimale. Elle ne permet de savoir
ni o, ni quand, les avions perdront leur sparation verticale.
Le traitement de la distance de sparation horizontale ne parat pas
rpondre aux mmes processus que ceux responsables du traitement de la
sparation horizontale. En eet, autant le contrleur peut sappuyer sur
limage radar pour estimer un Dt
h
, autant cela lui est impossible pour la
sparation verticale, limage radar tant en deux dimensions sur le plan
horizontal. Le contrleur ne peut sappuyer que sur peu dinformations :
laltitude, lvolution de lavion (montant, stable, descendant) ainsi que sa
8.3 perspecti ves de recherches et appli cati ons potenti elles 169
catgorie (modle davion). LATC doit donc combiner ces informations
pour produire un jugement sur le risque de perte de sparation verticale.
Il nous parat donc important de comprendre comment ce jugement est
produit et par quels facteurs il est inuenc. Une fois que nous aurons
rpondu ces questions, nous pourrons continuer faire voluer le modle
computationnel et en lui permettant de prendre en compte lestimation de
la distance verticale.
Une fois que notre modle sera capable de rendre compte des juge-
ments de conit entre deux avions, nous pourrons intgrer des traitements
plus gnraux pour tenter dapprocher un peu plus la reprsentation des
contrleurs. Par exemple, comprendre comment les conits sont rsolus en
fonction de la charge de trac, partir de quelles informations les contr-
leurs arrivent dtecter des points chauds dans leur secteur, comment sont
prises en compte les variations mtorologiques, etc.
8.3.1 Applications potentielles
lheure actuelle, le trac tend se dvelopper. Malgr cela, la taille
des secteurs est revue la hausse. Par consquent, les secteurs vont devenir
plus vastes (complexes ?), avec encore plus de trac. La charge cognitive
des contrleurs risque, elle aussi, daugmenter. Il est donc ncessaire
de prvoir des outils daide la dcision an de supporter le contrleur
dans sa tche quotidienne. Au moins deux types de solutions peuvent
tre envisags pour permettre aux contrleurs de grer ecacement cette
augmentation de la charge de travail.
La premire solution consiste laisser un calculateur dtecter et rsoudre
une partie des conits. Par exemple, le projet ERASMUS de la DTI/SDER,
permet de grer des avions qui risquent dentrer en conit sans intervention
du contrleur. ERASMUS diagnostique les avions risque, et rsout le
conit en tablissant une clairance pour modier la vitesse dun ou des
deux avions. Toutes les oprations menes par ERASMUS sont invisibles
pour les ATC. Des tudes sont en cours pour valuer limpact dERASMUS
sur la charge cognitive des contrleurs.
La deuxime solution est dorir au contrleur des outils de mesure
adapts leur demande. Par exemple, en France, les vecteurs vitesses
nextrapolent la position des avions qu neuf minutes maximum. Or dans
certains cas, il semble que cette dure ne soit pas susante pour que le
contrleur puisse se faire une bonne reprsentation dune situation venir.
Implmenter des vecteurs vitesse dont la longueur reste intgralement au
choix des contrleurs parat tre utile.
Les contrleurs se reposent rgulirement sur lvaluation de direntes
distances partir de lcran radar. Nous avons vu que la perception de
ces distances tait biaise. Il est possible de crer une aide graphique
170 conclusi on et perspecti ves
permettant de mieux visualiser des distances critiques comme le Dt
h
. Par
exemple, il devrait tre possible de faire acher au bout des vecteurs
vitesse un cercle de 2,5 miles nautiques de rayon, reprsentant la zone
de scurit sur le plan horizontal dun avion. Ainsi, si un contrleur veut
valuer le risque de perte de sparation, il lui surait de faire acher les
vecteurs vitesse de chaque avion et de constater les positions relatives des
deux cercles. Si les deux cercles ne se touchent pas, alors le contrleur
aura une bonne prsomption de non conit. Si les cercles se touchent
ou se croisent, alors le contrleur pourra valuer plus prcisment la
situation et dcider ou non dintervenir. Reste savoir limpact que ce
genre de mesures a sur la dtection de conit et sur la charge mentale des
contrleurs. Il reste galement vrier si ce type doutil serait accept et
utilis par les ATC.
Malgr la crise, le cot nergtique et limpact cologique, le nombre
davions simultanment achs sur un radar continuera daugmenter avec
le temps. Il sera de plus en plus dicile pour le contrleur de se faire
une reprsentation globale du trac. Il faudra donc permettre aux ATC
non pas davoir une reprsentation globale du trac, mais plutt de leur
permettre de porter leur attention sur un vnement particulier au moment
opportun. Cest avec cette considration que notre travail prend sens. En
eet, nous avons vu en introduction que le problme des aides actuelles
tait de produire de fausses alarmes qui perturbaient les contrleurs (Alliot
et al., 2005). Or si nous arrivons crer un modle dont les processus sont
calqus sur ceux des contrleurs, il est probable que ses dcisions soient
plus tolres par les ATC. Nous sommes conscients toutefois que cette
hypothse reste conrmer.
Finalement, les chercheurs particulirement intresss par la tche de
contrle arien doivent prendre en compte lvolution de ce mtier. En
eet, il semble que dans un futur plus ou moins proche le mtier de
contrleur arien subisse dimportantes modications. Les avions sont
et seront de plus en plus autonomes. Par exemple, de nos jours chaque
avion de ligne est quip dun TCAS
2
. Le TCAS est un radar embarqu
permettant dvaluer si lavion risque de se faire aborder par un autre
avion. Lors dune telle situation, les TCAS placs dans chaque avion,
diagnostiquent le problme et communiquent entre eux pour donner une
instruction en cap ou en altitude aux pilotes. Avec les progrs techniques,
il est fort probable que les communications entre les avions soient de plus
en plus performantes. Ces changes dinformations permettront au trac
de sautogrer partiellement. Quen sera t-il du travail des contrleurs ? Il
parat dans lordre des choses que les ATC aient un rle de plus en plus
passif dans la gestion du trac si celui-ci sautorgule. La tche principale
des contrleurs sera la supervision du trac. La part active du contrleur
2. Trac Collision Avoidance System.
8.3 perspecti ves de recherches et appli cati ons potenti elles 171
sera rduite aux situations les plus exceptionnelles. Si cette prdiction
savre tre exacte, il nous faudra reconsidrer les processus cognitifs
luvre dans la gestion du trac arien.
A
ANNEXE
173
174 annexe
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
Figure 23: Graphiques de dispersion : angles 45. Les lignes noires repr-
sentent les trajectoires des avions jusquau point dintersection.
Les points sont les rponses des participants. La couleur des
points reprsente leur densit dans un rayon de 5 pixels, plus la
couleur est sombre, plus la densit est grande. Les graphiques
de gauche correspondent la condition petite distance, ceux en
face droite, correspondent la mme conguration angulaire
dans la condition grande distance.
175
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
Figure 24: Graphiques de dispersion : angles 45. Les lignes noires repr-
sentent les trajectoires des avions jusquau point dintersection.
Les points sont les rponses des participants. La couleur des
points reprsente leur densit dans un rayon de 5 pixels, plus la
couleur est sombre, plus la densit est grande. Les graphiques
de gauche correspondent la condition petite distance, ceux en
face droite, correspondent la mme conguration angulaire
dans la condition grande distance.
176 annexe
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
Figure 25: Graphiques de dispersion : angles 45. Les lignes noires repr-
sentent les trajectoires des avions jusquau point dintersection.
Les points sont les rponses des participants. La couleur des
points reprsente leur densit dans un rayon de 5 pixels, plus la
couleur est sombre, plus la densit est grande. Les graphiques
de gauche correspondent la condition petite distance, ceux en
face droite, correspondent la mme conguration angulaire
dans la condition grande distance.
177
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
Figure 26: Graphiques de dispersion : angles 45. Les lignes noires repr-
sentent les trajectoires des avions jusquau point dintersection.
Les points sont les rponses des participants. La couleur des
points reprsente leur densit dans un rayon de 5 pixels, plus la
couleur est sombre, plus la densit est grande. Les graphiques
de gauche correspondent la condition petite distance, ceux en
face droite, correspondent la mme conguration angulaire
dans la condition grande distance.
178 annexe
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
Figure 27: Graphiques de dispersion : angles 67. Les lignes noires repr-
sentent les trajectoires des avions jusquau point dintersection.
Les points sont les rponses des participants. La couleur des
points reprsente leur densit dans un rayon de 5 pixels, plus la
couleur est sombre, plus la densit est grande. Les graphiques
de gauche correspondent la condition petite distance, ceux en
face droite, correspondent la mme conguration angulaire
dans la condition grande distance.
179
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
Figure 28: Graphiques de dispersion : angles 67. Les lignes noires repr-
sentent les trajectoires des avions jusquau point dintersection.
Les points sont les rponses des participants. La couleur des
points reprsente leur densit dans un rayon de 5 pixels, plus la
couleur est sombre, plus la densit est grande. Les graphiques
de gauche correspondent la condition petite distance, ceux en
face droite, correspondent la mme conguration angulaire
dans la condition grande distance.
180 annexe
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
Figure 29: Graphiques de dispersion : angles 67. Les lignes noires repr-
sentent les trajectoires des avions jusquau point dintersection.
Les points sont les rponses des participants. La couleur des
points reprsente leur densit dans un rayon de 5 pixels, plus la
couleur est sombre, plus la densit est grande. Les graphiques
de gauche correspondent la condition petite distance, ceux en
face droite, correspondent la mme conguration angulaire
dans la condition grande distance.
181
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
Figure 30: Graphiques de dispersion : angles 67. Les lignes noires repr-
sentent les trajectoires des avions jusquau point dintersection.
Les points sont les rponses des participants. La couleur des
points reprsente leur densit dans un rayon de 5 pixels, plus la
couleur est sombre, plus la densit est grande. Les graphiques
de gauche correspondent la condition petite distance, ceux en
face droite, correspondent la mme conguration angulaire
dans la condition grande distance.
182 annexe
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
Figure 31: Graphiques de dispersion : angles 90. Les lignes noires repr-
sentent les trajectoires des avions jusquau point dintersection.
Les points sont les rponses des participants. La couleur des
points reprsente leur densit dans un rayon de 5 pixels, plus la
couleur est sombre, plus la densit est grande. Les graphiques
de gauche correspondent la condition petite distance, ceux en
face droite, correspondent la mme conguration angulaire
dans la condition grande distance.
183
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
Figure 32: Graphiques de dispersion : angles 90. Les lignes noires repr-
sentent les trajectoires des avions jusquau point dintersection.
Les points sont les rponses des participants. La couleur des
points reprsente leur densit dans un rayon de 5 pixels, plus la
couleur est sombre, plus la densit est grande. Les graphiques
de gauche correspondent la condition petite distance, ceux en
face droite, correspondent la mme conguration angulaire
dans la condition grande distance.
184 annexe
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
Figure 33: Graphiques de dispersion : angles 90. Les lignes noires repr-
sentent les trajectoires des avions jusquau point dintersection.
Les points sont les rponses des participants. La couleur des
points reprsente leur densit dans un rayon de 5 pixels, plus la
couleur est sombre, plus la densit est grande. Les graphiques
de gauche correspondent la condition petite distance, ceux en
face droite, correspondent la mme conguration angulaire
dans la condition grande distance.
185
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
Figure 34: Graphiques de dispersion : angles 90. Les lignes noires repr-
sentent les trajectoires des avions jusquau point dintersection.
Les points sont les rponses des participants. La couleur des
points reprsente leur densit dans un rayon de 5 pixels, plus la
couleur est sombre, plus la densit est grande. Les graphiques
de gauche correspondent la condition petite distance, ceux en
face droite, correspondent la mme conguration angulaire
dans la condition grande distance.
186 annexe
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
Figure 35: Graphiques de dispersion : angles 112. Les lignes noires
reprsentent les trajectoires des avions jusquau point din-
tersection. Les points sont les rponses des participants. La
couleur des points reprsente leur densit dans un rayon de 5
pixels, plus la couleur est sombre, plus la densit est grande.
Les graphiques de gauche correspondent la condition pe-
tite distance, ceux en face droite, correspondent la mme
conguration angulaire dans la condition grande distance.
187
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
Figure 36: Graphiques de dispersion : angles 112. Les lignes noires
reprsentent les trajectoires des avions jusquau point din-
tersection. Les points sont les rponses des participants. La
couleur des points reprsente leur densit dans un rayon de 5
pixels, plus la couleur est sombre, plus la densit est grande.
Les graphiques de gauche correspondent la condition pe-
tite distance, ceux en face droite, correspondent la mme
conguration angulaire dans la condition grande distance.
188 annexe
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
Figure 37: Graphiques de dispersion : angles 112. Les lignes noires
reprsentent les trajectoires des avions jusquau point din-
tersection. Les points sont les rponses des participants. La
couleur des points reprsente leur densit dans un rayon de 5
pixels, plus la couleur est sombre, plus la densit est grande.
Les graphiques de gauche correspondent la condition pe-
tite distance, ceux en face droite, correspondent la mme
conguration angulaire dans la condition grande distance.
189
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
Figure 38: Graphiques de dispersion : angles 112. Les lignes noires
reprsentent les trajectoires des avions jusquau point din-
tersection. Les points sont les rponses des participants. La
couleur des points reprsente leur densit dans un rayon de 5
pixels, plus la couleur est sombre, plus la densit est grande.
Les graphiques de gauche correspondent la condition pe-
tite distance, ceux en face droite, correspondent la mme
conguration angulaire dans la condition grande distance.
190 annexe
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
Figure 39: Graphiques de dispersion : angles 135. Les lignes noires
reprsentent les trajectoires des avions jusquau point din-
tersection. Les points sont les rponses des participants. La
couleur des points reprsente leur densit dans un rayon de 5
pixels, plus la couleur est sombre, plus la densit est grande.
Les graphiques de gauche correspondent la condition pe-
tite distance, ceux en face droite, correspondent la mme
conguration angulaire dans la condition grande distance.
191
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
Figure 40: Graphiques de dispersion : angles 135. Les lignes noires
reprsentent les trajectoires des avions jusquau point din-
tersection. Les points sont les rponses des participants. La
couleur des points reprsente leur densit dans un rayon de 5
pixels, plus la couleur est sombre, plus la densit est grande.
Les graphiques de gauche correspondent la condition pe-
tite distance, ceux en face droite, correspondent la mme
conguration angulaire dans la condition grande distance.
192 annexe
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
Figure 41: Graphiques de dispersion : angles 135. Les lignes noires
reprsentent les trajectoires des avions jusquau point din-
tersection. Les points sont les rponses des participants. La
couleur des points reprsente leur densit dans un rayon de 5
pixels, plus la couleur est sombre, plus la densit est grande.
Les graphiques de gauche correspondent la condition pe-
tite distance, ceux en face droite, correspondent la mme
conguration angulaire dans la condition grande distance.
193
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
Figure 42: Graphiques de dispersion : angles 135. Les lignes noires
reprsentent les trajectoires des avions jusquau point din-
tersection. Les points sont les rponses des participants. La
couleur des points reprsente leur densit dans un rayon de 5
pixels, plus la couleur est sombre, plus la densit est grande.
Les graphiques de gauche correspondent la condition pe-
tite distance, ceux en face droite, correspondent la mme
conguration angulaire dans la condition grande distance.
194 annexe
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
-100
-80
-60
-40
-20
0
20
40
60
80
100
-100 -80 -60 -40 -20 0 20 40 60 80 100
Figure 43: Graphiques de dispersion : angles 135. Les lignes noires
reprsentent les trajectoires des avions jusquau point din-
tersection. Les points sont les rponses des participants. La
couleur des points reprsente leur densit dans un rayon de 5
pixels, plus la couleur est sombre, plus la densit est grande.
Les graphiques de gauche correspondent la condition pe-
tite distance, ceux en face droite, correspondent la mme
conguration angulaire dans la condition grande distance.
RFRENCES
Ahlstrom, U., & Friedman-Berg, F. J. (2006). Using eye movement
activity as a correlate of cognitive workload. International Journal
of Industrial Ergonomics, 36, 623636. (Cit pages 13, 22, et 23.)
Alliot, J., Durand, N., & Granger, G. (2005). A statistical analysis of
the inuence of vertical and ground speed errors on conict probe
(Rapport technique). CENA. (Cit pages 1 et 170.)
Anderson, J. (1993). Rules of the mind. Hillsdale : Lawrence Erlbaum.
(Cit pages 114 et 119.)
Anderson, J. (2007). How can the human mind occur in the physical
universe ? New York, NY : Oxford University Press. (Cit pages 4
et 119.)
Anderson, J., Bothell, D., Byrne, M. D., Douglass, S., Lebiere, C., & Qin,
Y. L. (2004). An integrated theory of the mind. Psychological
Review, 111, 10361060. (Cit pages 4 et 119.)
Anderson, J., & Lebiere, C. (1998). The atomic components of thought.
Mahwah, NJ : LEA. (Cit pages 4 et 119.)
Averty, P. (1998). Les eets de la charge de trac sur le niveau dactivation
psychophysiologique du contrleur arien. Thse de doctorat non
publie, Universit Lumire Lyon II. (Cit pages 21, 25, 159, 160,
et 168.)
Averty, P. (2005). Conit perception by ATCS admits doubt but not
inconsistency. In Proceedings of the 6th air trac management
research & developpment seminar. Baltimore (USA). (Cit page 14.)
Baddeley, A. D. (1986). Working memory. London : Oxford University
Press. (Cit pages 55 et 110.)
Baddeley, A. D. (2001). Is working memory still working ? American
Psychologist, 56, 849864. (Cit page 110.)
Baddley, A. D., & Hitch, G. (1974). Working memory. the psychology of
learning and motivation. Londres : Academic Press. (Cit page 110.)
Bisseret, A. (1970). Mmoire oprationnelle et structure de travail [wor-
king memory and work structure]. Bulletin de Psychologie, 24,
280294. (Cit page 93.)
Bisseret, A. (1981a). Application of signal detection theory to decision
making in supervisory control : the eect of operators experience.
Ergonomics, 24, 8194. (Cit page 21.)
Bisseret, A. (1981b). Application of signal detection theory to decision ma-
king in supervisory control : the eect of the operators experience.
Ergonomics, 24, 81-94. (Cit page 96.)
195
196 r ef erences
Bisseret, A. (1995). Reprsentation et dcision experte. psychologie
cognitive de la dcision chez les aiguilleurs du ciel. Toulouse :
Octares Editions. (Cit pages 16, 140, et 159.)
Bisseret, A., & Girard, Y. (1973). Le traitement des informations par le
contrleur du trac arien. une description globale des raisonne-
ments (Rapport technique). IRIA CO. R37. (Cit pages 14 et 21.)
Boag, C., Neal, A., Loft, S., & Halford, G. S. (2006). An analysis of
relational complexity in an air trac control conict detection task.
Ergonomics, 49, 15081526. (Cit page 14.)
Boudes, N., & Cellier, J. (2000). Accuracy of estimations made by air
trac controllers. International Journal of Aviation Psychology, 10,
207225. (Cit pages 92 et 93.)
Bouju, F., & Sperandio, J. C. (1979). Eects of qualication level and
work load of air controller on their operational strategies. Travail
Humain, 42, 137-138. (Cit page 26.)
Bouma, H., & Andriessen, J. (1968). Perceived orientation of isolated line
segments. Vision Research, 8, 493507. (Cit page 38.)
Brainerd, C. J., & Reyna, V. F. (1990). Gist is the grist - fuzzy-trace theory
and the new intuitionism. Developmental Review, 10, 347. (Cit
page 92.)
Callantine, T. J. (2005). Performance evaluation of a computational model
of en route air trac control. In Proceedings of the thirteenth inter-
national symposium on aviation psychology (pp. 8691). Oklahoma
City. (Cit pages 104 et 105.)
Campbell, F., & Kulikowski, J. (1966a). The eect of orientation on the
visual resolution of gratings. Journal of Physiology, 187, 427436.
(Cit page 65.)
Campbell, F., & Kulikowski, J. (1966b). Orientation selectivity of the
human visual system. Journal of Physiology, 187, 437445. (Cit
page 65.)
Cohen, J. (1988). Statistical power analysis for the behavioral sciences.
(2d ed.) Hillsdale, NJ : Lawrence Erlbaum. (Cit page 50.)
Corker, K. M., & Gore, B. F. (2000). Free ight and the context of
control : Experiments and modeling to determine the impact of dis-
tributed air-ground air trac management on safety and procedures.
In 3rd annual eurocontrol international symposium on air trac
management. Naples, Italy. (Cit pages 104, 109, et 110.)
Delucia, P. R., & Liddell, G. W. (1998). Cognitive motion extrapolation
and cognitive clocking in prediction motion tasks. Journal of ex-
perimental psychology : Human perception and performance, 24,
901914. (Cit page 17.)
Endsley, M. R. (1995). Toward a theory of situation awareness in dynamic
systems. Human Factors, 37, 3264. (Cit pages 9 et 107.)
r ef erences 197
Eyferth, K., Niessen, C., & Spaeth, O. (2003). A model of air trac
controllers conict detection and conict resolution. Aerospace
Science and Technology, 7, 409416. (Cit pages 19, 104, et 114.)
Findlay, J. M., & Hotopf, W. H. N. (1985). Eye movements and perception
of alignment. Perception, 14, 387391. (Cit page 39.)
Furmanski, C. S., & Engel, S. (2000). An oblique eect in human primary
visual cortex. Nature Neuroscience, 535536. (Cit page 65.)
Galster, S. M., Duley, J. A., Masalonis, A. J., & Parasuraman, R. (2001).
Air trac controller performance and workload under mature free
ight : Conict detection and resolution of aircraft self-separation.
International Journal of Aviation Psychology, 11, 7193. (Cit
page 13.)
Gore, B., & Corker, K. M. (1999). System interaction in free ight : A
modeling tool cross-comparison. In Third annual sae international
conference and exposition - digital human modeling for design and
engineering. Dearborn, Michigan. (Cit pages 104 et 109.)
Greene, E. (1987). The relative contribution of contact and target lines in
the magnitude of the Poggendor eect. Perception, 16, 385388.
(Cit page 39.)
Greene, E. (1993). The inuence of response factors on the magnitude of
angular induction. Perceptual and Motor Skills, 76, 323335. (Cit
pages 39, 40, 43, et 63.)
Greene, E. (1994). Collinearity judgment as a function of induction angle.
Perceptual and Motor Skills, 78, 655674. (Cit page 40.)
Greene, E., & Frawley, W. (2001). Evaluating models of collinearity
judgment for reliability and scale. Perception, 30, 543558. (Cit
pages 38, 39, et 43.)
Greene, E., Frawley, W., & Swimm, R. (2000). Individual dierences in
collinearity judgment as a function of angular position. Perception
& Psychophysics, 62, 14401458. (Cit pages 38, 39, et 43.)
Greene, E., & Pavlov, G. (1989). Angular induction as a function of
contact and target orientation. Perception, 18, 143154. (Cit
pages 39 et 40.)
Gronlund, S., Ohrt, D., Dougherty, M. R., Perry, J. L., & Manning, C. A.
(1998). Role of memory in air trac control. journal of experimental
psychology : Applied, 4, 263280. (Cit page 92.)
Haider, H., & Frensch, P. A. (1996). The role of information reduction
in skill acquisition. Cognitive Psychology, 30, 304337. (Cit
page 20.)
Homann, E., Payne, A., & Prescott, S. (1980). Childrens estimates
of vehicle approach times. Human Factors, 22, 235240. (Cit
page 66.)
198 r ef erences
Hotopf, W. (1981). Mistracking in alignment illusions. Journal of
Experimental Psychology : Human Perception and Performance, 7,
12111246. (Cit page 39.)
Hotopf, W., & Brown, S. (1988). Constant errors in judgment of colli-
nearity due to the presence of neighboring objects. Perception, 17,
523534. (Cit pages 39 et 160.)
Irwin, D. E. (1996). Integrating information across saccadic eye mo-
vements. Current Directions in Psychological Science, 5, 94-100.
(Cit page 94.)
Irwin, D. E. (2004). Fixation location and xation duration as indices
of cognitive processing. In J. M. Henderson & F. Ferreira (Eds.),
The interface of language, vision, and action : Eye movements and
the visual world (pp. 59104). New York : Psychology Press. (Cit
page 94.)
Karsten, G., Goldberg, B., Rood, R., & Sultzer, R. (1975). Oculomo-
tor measurment of air trac controller visual attention (Rapport
technique). NJ : DOT/FAA Technical Center. (Cit page 23.)
Kimball, K. A. (1970). Estimation of intersection of two converging targets
as a function of speed and angle of target movement. Perceptual &
Motor Skills, 30, 303310. (Cit pages 16 et 66.)
Kimball, K. A., Hofmann, M. A., & Nossaman, R. O. (1973). Dierential
velocity and time prediction of motion. Perceptual & Motor Skills,
36, 935945. (Cit pages 16 et 66.)
Law, D. J., Pellegrino, J. W., Mitchell, S. R., Fischer, S. C., McDonald,
T. P., & Hunt, E. B. (1993). Perceptual and cognitive factors gover-
nig performance in comparative arrival-time jugdments. Journal of
Experimental Psychology : Human perception and performance, 19,
11831199. (Cit pages 16, 17, 37, 65, et 66.)
Lawrence, B. M., Myerson, J., Oonk, H. M., & Abrams, R. A. (2001). The
eects of eye and limb movements on working memory. Memory, 9,
433444. (Cit page 55.)
Lee, S. M., Ravinder, U., & Johnston, J. C. (2005). Developing an agent
model of human performance in air trac control operations using
APEX cognitive architecture. In Proceedings of the 2005 winter
simulation conference, Vols 1-4 (pp. 979987). Orlando, FL. (Cit
pages 104 et 111.)
Lee, S. M., Remington, R., Ravinder, U., & Matessa, M. (2004). De-
veloping human performance models using APEX/CPM-GOMS
for agent-based modeling and simulation. In Proceedings of the
2004 Advanced Simulation Technologies Conference (ASTC04).
Arlington, VA. (Cit pages 104 et 111.)
Leplat, J., & Bisseret. (1965). Analyse des processus de traitement de
linformation chez le controleur de la navigation arienne. Bulletin
r ef erences 199
dtudes et Recherches Psychologiques, 14, 5167. (Cit page 15.)
Leuchter, S., Niessen, C., Eyferth, K., & Bierwagen, T. (1997). Modelling
mental processes of experienced operators during control of a dyna-
mic man maschine system. In C. W. G. S. B.B. Borys G. Johannsen
(Ed.), Proceeding of the XVI european annual conference on human-
decision making and manual control (pp. 268276). University of
Kassel, Germany. (Cit pages 19, 104, et 114.)
Loft, S., Bolland, S., Humphreys, M., & Neal, A. (2007). Modelling the
humain air trac controller, part 1 : Expert-trainee dierences in
conict detection. In Proceedings of the 14th international sympo-
sium on aviation psychology (pp. 409413). ISAP07, Dayton, USA.
(Cit page 92.)
Loft, S., Humphreys, M., & Neal, A. (2004). The inuence of memory for
prior instances on performance in a conict detection task. Journal
of Experimental Psychology-Applied, 10, 173187. (Cit page 32.)
Loft, S., Sanderson, P., Neal, A., & Mooij, M. (2007). Modeling and
predicting mental workload in en route air trac control : Critical
review and broader implications. Human Factors, 49, 376399.
(Cit page 12.)
Metzeger, U., & Parasuraman, R. (2001). The role of air trac controller in
future air trac management : an empirical study of active control
versus passive monitoring. Human Factors, 43, 519528. (Cit
pages 13 et 14.)
Metzeger, U., & Parasuraman, R. (2005). Automation in future air trac
management : Eects of decision aid reliability on controller per-
formance and mental workload. Human Factors, 47, 3549. (Cit
page 13.)
Metzger, U., & Parasuraman, R. (2006). Eects of automated conict
cuing and trac density on air trac controller performance and
visual attention in a datalink environment. The International Journal
of Aviation Psychology, 16, 343362. (Cit pages 23 et 164.)
Miller, G. A. (1956). Human memory and the storage of information. Ire
Transactions on Information Theory, 2, 129-137. (Cit page 121.)
Mitrani, L., & Yakimo, N. (1983). A model of perceived intersection
of 2 converging line segments. Perception & Psychophysics, 33,
186192. (Cit pages 40, 41, 48, 62, 65, et 93.)
Moray, N. (1990). A lattice theory approach to the structure of mental
models. Philosophical Transactions of the Royal Society of London
Series B-Biological Sciences, 327, 577583. (Cit page 92.)
Morineau, T., Hoc, J.-M., & Denecker, P. (2003). Cognitive control
levels in air trac radar controller activity. International Journal of
Aviation Psychology, 13, 107130. (Cit pages 92, 93, et 96.)
200 r ef erences
Niessen, C., & Eyferth, K. (2001). A model of the air trac controllers
picture. Safety Science, 37, 187202. (Cit pages 19, 104, et 114.)
Niessen, C., Eyferth, K., & Bierwagen, T. (1999). Modelling cognitive
processes of experienced air trac controllers. Ergonomics, 42,
15071520. (Cit pages 15, 20, 22, 27, 32, et 88.)
Niessen, C., Leuchter, S., & Eyferth, K. (1998). A psychological model
of air trac control and its implementation. In F. Ritter & R. Young
(Eds.), Proceedings of the second european conference on cognitive
modelling (ECCM-98) (pp. 104111). Nottingham, UK : Nottin-
gham University Press. (Cit pages iii, iv, 3, 19, 20, 25, 26, 27, 33,
71, 104, 114, et 168.)
Nunes, A., & Scholl, B. J. (2004). Interactions between convergence
angle, trac load, and altitude distribution in air trac control. In
M. M. P. A. H. D. A. Vincenzi (Ed.), Human performance, situation
awareness and automation : Current research and trends (Vol. 1, pp.
180185). Mahwah, NJ : Erlbaum. (Cit page 13.)
Pompanon, C., & Raufaste, E. (2007). Extrapolation of the intersection of
two trajectories on a 2D display : Evidence of biases. In Proceedings
of the 14th international symposium on aviation psychology (pp.
530536). ISAP07, Dayton, USA. (Cit page 93.)
Postle, B. R., Idzikowski, C., Della Sala, S., Logie, R. H., & Baddeley,
A. D. (2006). The selective disruption of spatial working memory
by eye movements. Quarterly Journal of Experimental Psychology,
59, 100120. (Cit pages 55 et 64.)
Rantanen, E. M., & Levinthal, B. (2005). Time-based modelling of human
performance. In Proceedings of the human factors and ergonomics
society 49th annual meeting (pp. 12001204). Santa Monica, CA :
Human Factors and Ergonomics Society. (Cit pages 13 et 14.)
Rantanen, E. M., & Nunes, A. (2005). Hierarchical conict detection in
air trac control. International Journal of Aviation Psychology, 15,
339362. (Cit pages iii, iv, 3, 14, 15, 16, 17, 18, 19, 22, 25, 26, 27,
28, 29, 31, 32, 33, 67, 69, 71, 77, 89, 91, 93, 96, 153, 160, et 166.)
Raufaste, E. (2001). Les mcanismes cognitifs du diagnostic mdical :
optimisation et expertise. Paris : PUF. (Cit page 21.)
Raufaste, E. (2006). ATC in ACT-R : A model of conict detection
between planes. In Proceedings of the thirteens annual ACT-R
workshop (p. 102-107). Pittsburgh, PA, USA.. (Cit pages iii, iv, 3,
18, 25, et 26.)
Remington, R. W., Johnston, J. C., Ruthru, E., Gold, M., & Romera, M.
(2000). Visual search in complex displays : Factors aecting conict
detection by air trac controllers. Human Factors, 42, 349366.
(Cit pages 13 et 14.)
r ef erences 201
Remington, R. W., Johnston, J. C., & Yantis, S. (1992). Involontary
attentional capture by abrupt onsets. Perception & Psychophysics,
51, 279290. (Cit page 110.)
Reyna, V. F., & Brainerd, C. J. (1992). A fuzzy trace theory of reaso-
ning and remembering : Paradoxes, patterns and parallelism. In
A. F. Healy, S. Kosslyn, & R. M. Shirin (Eds.), From learning pro-
cesses : Essays in honor of william k. estes (pp. 235260). Hillsdale
: Erlbaum. (Cit page 92.)
Salthouse, T., & Prill, K. (1983). Analysis of a perceptual skill. Journal
Of Experimental Psychology-Human Perception And Performance,
9, 607621. (Cit page 66.)
Seamster, T. L., Redding, R. E., Cannon, J. R., Ryder, J. M., & Purcell,
J. A. (1993). Cognitive task analysis of expertise in air trac control.
International Journal of Aviation Psychology, 3, 257283. (Cit
pages 2, 9, et 21.)
Shanteau, J. (1992). How much information does an expert use - is it
relevant. Acta Psychologica, 81, 75-86. (Cit page 21.)
Shorrock, S. T. (2007). Errors of perception in air trac control. Safety
Science, 45, 890904. (Cit page 92.)
Sittig, A., & De Graaf, J. B. (1994). Orientation depedent dependent
misalignments in a visual adjustment task. Vision Research, 34,
21952203. (Cit page 38.)
Stankovic, S., Raufaste, E., & Averty, P. (2008). Determinants of conict
detection : A model of risk judgments in air trac control. Human
Factors, 50, 121134. (Cit pages 14, 15, 16, 22, 25, 26, 28, 37, 67,
159, 160, et 168.)
Tanner, W. P., & Swets, J. A. (1954). A decision-making theory of visual
detection. Psychological Review, 61, 401409. (Cit page 21.)
Thomas, L., & Wickens, C. D. (2006). Display dimensionality, conict
geometry, and time pressure eects on conict detection and resolu-
tion performance using cokpit displays of trac information. The
International Journal of Aviation Psychology, 16, 321342. (Cit
page 14.)
Todd, J. T., Oomes, S., Koenderink, J. J., & Kappers, A. M. L. (1999).
The intrinsic geometry of perceptual space : Its metrical, ane and
projective properties. In P. R. Killeen & W. R. Uttal (Eds.), Fechner
day 99 : the end of 20th century psychophysics, proceedings of the
15th annual meeting of the international-society-for-psychophysics
(pp. 169174). Oct 21-24, 1999, Tempe, Arizona. (Cit page 40.)
Tresilian, J. R. (1991). Empirical and theorical issues in the perception
of time to contact. Journal of Experimental Psychology : Human
Perception and Performance, 17, 865876. (Cit pages 16, 37, 65,
et 66.)
202 r ef erences
Tresilian, J. R. (1995). Perceptual and cognitive processes in time-to-
contact estimation :analysis of prediction-motion and relative judg-
ment task. Perception & Psychophysics, 2, 231245. (Cit pages 16,
37, 65, et 66.)
Tukey, J. (1977). Exploratory data analysis. Reading, Mass. : Addison-
Wesley. (Cit page 78.)
Weintraub, D. J. (1993). The logic of misperceived distance (or location)
theories of the Poggendor illusion. Perception & Psychophysics,
53, 231238. (Cit page 39.)
Weintraub, D. J., Krantz, D. H., & Olson, T. P. (1980). The Poggen-
dor illusion : Consider all the angles. Journal of Experimental
Psychology-Human Perception and Performance, 6, 718725. (Cit
page 39.)
Weintraub, D. J., & Virsu, V. (1971). The misperception of angles :
Estimating the vertex of converging line segments. Perception &
Psychophysics, 9, 58. (Cit page 40.)
Weintraub, D. J., & Virsu, V. (1972). Estimating the vertex of converging
lines : Angle misperception ? Perception & Psychophysics, 11, 277
283. (Cit page 40.)
Willems, B., Allen, R. C., & Stein, E. S. (1999). Air trac control
specialist visual scaning ii : Task load, visual noise and intrusion
into controled airspace (Rapport technique). U.S Department NJ :
DOT/FAA Technical Center. (Cit pages 13, 23, et 164.)
Xu, X., & Rantanen, E. M. (2003). Conict detection in air trac control.
a task analysis, a literature review, and a need for further research.
In 12th international symposium on aviation psychology. Dayton,
OH. (Cit pages 3, 16, 17, et 67.)
Yakimo, N. (1977a). Visual extrapolation of 2 converging nonintersecting
line segments. Acta Physiologica et Pharmacologica Bulgarica, 3,
5864. (Cit pages 40, 48, et 62.)
Yakimo, N. (1977b). Visual extrapolation of 2 converging nonintersecting
line segments. Acta Physiologica et Pharmacologica Bulgarica, 3,
5864. (Cit page 93.)
Yakimo, N., Mitrani, L., & Matee, S. (1977a). Visual extrapolation of
a line segment to the point of its intersection with a straight line part
1. Acta Physiologica et Pharmacologica Bulgarica, 3, 1320. (Cit
page 39.)
Yakimo, N., Mitrani, L., & Matee, S. (1977b). Visual extrapolation of
a line segment to the point of its intersection with a straight line part
2. Acta Physiologica et Pharmacologica Bulgarica, 3, 6975. (Cit
pages 39, 54, et 63.)