• Contenu principal
  • Menu
OpenEdition Books
  • Accueil
  • Catalogue de 15476 livres
  • Éditeurs
  • Auteurs
  • Facebook
  • X
  • Partager
    • Facebook

    • X

    • Accueil
    • Catalogue de 15476 livres
    • Éditeurs
    • Auteurs
  • Ressources numériques en sciences humaines et sociales

    • OpenEdition
  • Nos plateformes

    • OpenEdition Books
    • OpenEdition Journals
    • Hypothèses
    • Calenda
  • Bibliothèques

    • OpenEdition Freemium
  • Suivez-nous

  • Lettre d’information
OpenEdition Search

Redirection vers OpenEdition Search.

À quel endroit ?
  • Presses universitaires de Lyon
  • ›
  • Transversales
  • ›
  • Vigilance et transports
  • ›
  • Un système adaptatif de diagnostic du co...
  • Presses universitaires de Lyon
  • Presses universitaires de Lyon
    Presses universitaires de Lyon
    Informations sur la couverture
    Table des matières
    Liens vers le livre
    Informations sur la couverture
    Table des matières
    Formats de lecture

    Plan

    Plan détaillé Texte intégral I – Introduction II – Principe de la méthode III – Détection d’évolution de l’activité de conduite IV – Application à la détection d’hypovigilance V – Conclusion Bibliographie Auteurs

    Vigilance et transports

    Ce livre est recensé par

    Précédent Suivant
    Table des matières

    Un système adaptatif de diagnostic du comportement conducteur

    Application à la détection d’hypovigilance

    M.-A. Peltier et B. Dubuisson

    p. 239-247

    Résumés

    La conduite d’un véhicule automobile est une tâche complexe, dont l’exécution dépend de l’état du conducteur. Ce dernier exerce sur l’interface avec le véhicule une activité qui lui est propre. Surveiller son comportement de manière à anticiper toute défaillance soulève deux problèmes. L’un est lié à la détermination des paramètres de conduite porteurs de l’information recherchée. Le second est d’ordre algorithmique. Dans cette communication, nous présentons une méthode de diagnostic du comportement du conducteur par reconnaissance des formes floues qui s’adapte à la spécificité de celui-ci. Elle met en œuvre une structure neuronale. Des résultats obtenus sur des données réelles sont présentés, tout d’abord dans le cadre de la détection d’évolution de l’activité de conduite, puis dans celui, plus spécifique, de la détection d’hypovigilance.

    Driving a car is a complex task that requires the driver to keep attention for long periods of time. Either a lack of attention or a performance decrement may have severe consequences, especially if the driver has to react promptly to a dangerous or unexpected event. Thus, a monitoring process is needed in order to warn the driver that his status has changed before any fault occurs. This process must also be non-constraining. So the diagnosis must be performed only through his activity on the man-vehicule interface.

    Decreases in performance may occur for numerous reasons. But most of the work concerning the study of the driver’s behavior has focused on hypovigilance. This is probably because it can be identified on physiological signals such as the EEG. Thus, most of the studies achieved in that field follow a similar process. Their goal is to derive general rules describing the driving activity of an hypovigilant driver, in order to get rid of physiological data to perform the detection of this State.

    Remerciements

    Ce travail a pu être réalisé grâce au soutien de la Direction des recherches et affaires scientifiques de PSA Peugeot Citroën, France.

    Texte intégral Bibliographie Références Auteurs

    Texte intégral

    I – Introduction

    1Le conducteur d’une automobile est l’élément central sur lequel repose toute la conduite du véhicule. De son état physique et/ou psychique dépend la réussite ou l’échec de l’accomplissement de cette tâche. Celle-ci exige de lui le maintien de performances constantes, parfois difficile à réaliser en conduite monotone ou de longue durée. L’idée de disposer d’un système de surveillance du conducteur, capable de détecter, voire d’anticiper toute dégradation de ses performances, est donc tout à fait séduisante. Un tel dispositif est cependant soumis à deux contraintes majeures. D’une part, il doit être non contraignant pour le conducteur, ce qui suggère une observation de son comportement à travers son activité sur les interfaces naturelles avec le véhicule. D’autre part, il doit être capable de signaler tout comportement dangereux avant qu’il ne soit trop tard et quelle qu’en soit la cause.

    2Les études du comportement conducteur réalisées depuis de nombreuses années se sont focalisées sur la détection d’hypovigilance par analyse de son activité de conduite (11,13). En effet, si l’hypovigilance n’est pas la seule défaillance possible du conducteur, elle est néanmoins la première cause d’accident mortel sur autoroute. Elle est, de plus, facilement identifiable car elle se manifeste de manière significative sur l’EEG. Les travaux réalisés dans ce cadre suivent une démarche désormais classique. Elle consiste à provoquer chez un certain nombre de conducteurs un état hypovigilant, afin d’établir des corrélations entre altération des performances de conduite et hypovigilance physiologique. Elle vise ainsi à établir des règles générales décrivant l’activité de conduite en état d’hypovigilance. Cette approche pourtant apparemment rigoureuse n’a pas encore donné les résultats escomptés, pour deux raisons essentielles. D’une part, elle ne tient pas compte des variabilités intra-individuelles des manifestations de l’hypovigilance, liées aux variations des conditions de conduite et de l’état interne du conducteur (conditions météorologiques, motivation, état interne du conducteur au début du trajet...). D’autre part, elle néglige également de prendre en compte la spécificité du conducteur lui-même, pour lequel une hypovigilance risque de se manifester d’une façon qui lui est propre en fonction de son expérience de conduite et d’un grand nombre de facteurs personnels.

    3Or il est clair que la réussite du développement d’un système de diagnostic du comportement conducteur est conditionnée par l’intégration de ces deux types de variabilité. La tâche de conduite est soumise à un grand nombre de facteurs mal connus et non nécessairement maîtrisables en conditions réelles de conduite, dont il serait illusoire de vouloir dresser une liste exhaustive. Une approche globale du système Conducteur-Véhicule-Environnement semble donc plus appropriée.

    4La littérature consacrée à l’analyse du comportement conducteur fait apparaître une autre constante dans la démarche suivie : la majorité des travaux se sont attachés à déterminer les conséquences de l’hypovigilance sur l’activité de conduite (4,8,9,10). Très peu se sont intéressés, en revanche, à l’aspect algorithmique du problème, à savoir la détection automatique de cet état à partir des informations apportées par les capteurs. Or si la détennination des paramètres de conduite pertinents est un problème crucial, la synthèse de cette information pour permettre la formulation d’un diagnostic est une étape incontournable qui, jusqu’alors, a été sous-estimée voire négligée. Attwood et Scott (1) ont proposé de résoudre ce problème par des méthodes de discrimination linéaire entre deux classes (étiquetées « vigilance » et « hypovigilance » respectivement). Plus récemment, l’utilisation de réseaux de neurones a été proposée pour réaliser un apprentissage des caractéristiques spécifiques du conducteur (12). Aucun résultat concluant n’a pu être obtenu jusqu’alors.

    5Les travaux présentés dans cette communication s’inscrivent dans la voie laissée ouverte par ces deux aspects complémentaires de la résolution du problème : adaptation à la spécificité du conducteur et algorithme de diagnostic. Nous proposons une méthode de détection d’évolution de l’activité de conduite qui ne fait aucune hypothèse, ni sur la nature des états observés (normal, hypovigilant...), ni sur leurs manifestations sur l’activité de conduite. Elle réalise un apprentissage des caractéristiques de conduite en se fondant sur l’idée suivante : le conducteur s’installant au volant de sa voiture se trouve dans un état initial appelé état de référence. L’activité de conduite caractéristique de cet état est apprise automatiquement pendant les premières minutes du trajet. Par la suite, tout écart mesuré par rapport à cette référence est considéré comme étant représentatif d’un nouvel état qui doit faire l’objet d’un apprentissage. On construit ainsi progressivement une base de données spécifique au conducteur et qui s’adapte aux conditions de conduite rencontrées. Cette approche n’a de sens que si les états dangereux ou non désirés du conducteur se manifestent sur son activité de conduite. Elle interdit en outre toute interprétation des évolutions observées.

    6L’algorithme proposé est un algorithme adaptatif de diagnostic par reconnaissance des formes floues (2) dont le principe est explicité au paragraphe 2. Dans une troisième partie, nous présentons l’application de l’algorithme à la détection d’évolution de l’activité de conduite. La dernière partie est consacrée aux résultats obtenus dans le cadre plus spécifique de la détection d’hypovigilance.

    II – Principe de la méthode

    7Le système étudié est le conducteur. Son comportement à un instant t est donné par la mesure de son activité de conduite à cet instant, c’est-à-dire la valeur prise par les paramètres jugés pertinents pour la description de cette activité. Ces paramètres sont rassemblés dans un vecteur forme, ils définissent un espace de représentation. Le comportement instantané du système, xt est donc un point de cet espace.

    8Le comportement du conducteur peut passer, au cours du temps, par différents états (nerveux, distrait, hypovigilant). A chaque état est associée une classe floue, matérialisée par une zone géométrique de l’espace de représentation. L’état instantané du système est donc donné par la classe associée à la zone géométrique dans laquelle se trouve xt. Une classe floue est une classe dont les frontières sont graduelles. Elles sont décrites par une fonction d’appartenance continue à valeurs dans (0,1). La valeur de cette fonction est maximale pour les points les plus représentatifs de la classe (prototypes), elle décroît au fur et à mesure qu’on s’en éloigne. Cette valeur peut donc être interprétée comme une mesure de proximité aux prototypes. Elle permet de localiser les points à l’intérieur des classes.

    9En échantillonnant le vecteur forme à intervalles de temps Δt, on obtient une suite chronologique de points dans l’espace qui représente le comportement du conducteur au cours du temps. Une évolution se traduit par un chemin caractéristique de cette suite, soit entre deux classes connues, soit entre une classe connue et une zone non balisée de l’espace. Dans ce dernier cas, l’état destinataire est inconnu et devra faire l’objet d’un apprentissage. Chaque classe étant matérialisée par un ensemble flou, ce chemin caractéristique est donné par la suite des valeurs d’appartenance aux classes connues. L’appartenance à une classe peut être mesurée à chaque instant d’échantillonnage, la succession de ces mesures constituant un signal d’appartenance. Ce signal décroît lorsqu’on s’éloigne de la classe correspondante, il croît lorsqu’on s’en rapproche. Une valeur trop faible (inférieure à un seuil) de l’appartenance à chaque classe signifie que le conducteur est dans un état inconnu. Le point correspondant est « rejeté en distance », il pourra constituer le siège d’une nouvelle classe.

    Figure 1. Principe de l’algorithme proposé Cas 1 : évolution entre deux classes connues Cas 2 : évolution vers un état inconnu

    Image 10000000000002C7000001D62BAADCAF1618AB24.jpg

    10L’appartenance à chaque classe connue est calculée à l’aide d’un réseau de neurones à architecture particulière appelé GPFN (3). On utilise un réseau par classe, chaque réseau réalisant l’approximation d’une fonction d’appartenance. L’apprentissage de chaque réseau est réalisé à partir d’un ensemble de prototypes de la classe correspondante, construit par agglomération de points rejetés (6). Cette agglomération est effectuée selon des critères de proximité simultanée dans l’espace et le temps (5).

    11Le principe de cette méthode est représenté figure 1. Dans un premier temps, nous l’avons appliquée à la détection d’évolution de l’activité de conduite.

    III – Détection d’évolution de l’activité de conduite

    12L’algorithme a été appliqué sur des données acquises en conditions réelles de conduite. Elles ont été recueillies sur autoroute, à bord d’un véhicule expérimental équipé de capteurs reliés à une centrale d’acquisition. Ces capteurs fournissent une information décrivant l’activité du conducteur sur les interfaces naturelles avec le véhicule. Les courbes présentées figure 2 présentent les résultats obtenus pendant les quatre-vingts premières minutes d’expérimentation. Chaque courbe traduit le comportement du système par rapport à la classe correspondante au cours du temps. Ces résultats amènent les remarques suivantes :

    • un état de référence a été identifié au début des expérimentations (classe C1), ce qui confirme hypothèse formulée ;

    • les états (classes) détectés montrent un bon recouvrement de l’espace, ce qui signifie que les points peuvent être localisés à tout instant ;

    • une décroissance d’un signal d’appartenance s’accompagne d’une croissance symétrique d’un autre signal, ce qui traduit bien une évolution d’un état origine vers un état destinataire ;

    • L’information d’évolution est contenue dans les variations des signaux d’appartenance. Nous proposons un filtrage de ces signaux afin d’effectuer une détection automatique de ces évolutions et la formulation d’un diagnostic [7]. Une détection précoce peut donner à l’algorithme un caractère prédictif, reflétant la tendance évolutive du comportement.

    Figure 2. Évolution de l’activité de conduite

    Image 100000000000020A000001C03C50A811B04E4B98.jpg
    Image 1000000000000210000001B622D87F7D83E6B405.jpg

    13Ces résultats montrent la capacité de l’algorithme à mettre en évidence l’évolution des paramètres décrivant l’activité de conduite. Voyons à présent les résultats obtenus lorsque les paramètres du vecteur forme sont ceux dont la valeur est altérée en état d’hypovigilance.

    IV – Application à la détection d’hypovigilance

    14Ces données nous ont été fournies par le Laboratoire de recherche en sécurité automobile (LRSA), laboratoire commun PSA – École Centrale Paris. Elles ont été acquises lors d’expériences réalisées sur autoroute, en conditions réelles de conduite. Ont été recueillis les signaux relatifs à la description de l’activité de conduite, ainsi que l’EEG. Ce dernier a été dépouillé par un médecin, qui a identifié les périodes d’hypovigilance physiologique. Les résultats obtenus sont présentés figure 3. Trois états ou classes ont été détectés. L’un est représentatif de l’état de référence, les deux autres font apparaître deux types d’hypovigilance. Il est intéressant de remarquer que toutes les hypovigilances induisent une variation de la fonction de référence. De plus, les deux classes d’hypovigilance couvrent la totalité des zones d’hypovigilance physiologique de façon complémentaire.

    Figure 3. Détection d’hypovigilance

    Image 100000000000021D000001B11BC5815724057A2F.jpg
    Image 1000000000000222000001B59836F056B3FB834A.jpg
    Image 100000000000021A000001BA7EB54DB386C59E28.jpg

    15Ces résultats montrent qu’un état d’hypovigilance peut avoir des manifestations différentes sur l’activité de conduite, ce qui confirme l’existence d’une variabilité intra-individuelle. Ils montrent également qu’hypovigilance physiologique et altération des performances de conduite ne sont pas nécessairement simultanées, sans que l’on puisse dire lequel des deux phénomènes précède l’autre. La question est maintenant de savoir s’il faut se limiter à la détection des hypovigilances physiologiques, ou bien s’il faut envisager de rechercher toute modification de l’activité du conducteur.

    V – Conclusion

    16Dans cette communication, nous présentons une méthode originale de diagnostic du comportement du conducteur, basée sur la détection d’évolution de son activité de conduite. Cette méthode réalise un apprentissage progressif des caractéristiques du conducteur, sans émettre d’hypothèse a priori. Les résultats obtenus dans le cadre de la détection d’hypovigilance confirment la nécessité de tenir compte de la variabilité intra-individuelle du conducteur.

    Bibliographie

    Des DOI sont automatiquement ajoutés aux références bibliographiques par Bilbo, l’outil d’annotation bibliographique d’OpenEdition. Ces références bibliographiques peuvent être téléchargées dans les formats APA, Chicago et MLA.

    Format

    • APA
    • Chicago
    • MLA
    Attwood, D. A., & Scott, P. L. (1981). The On–Line Use of Performance Measures to Predict Driving Fatigue. In Proceedings of the Human Factors Society Annual Meeting (Vols. 25, Issue 1, pp. 726-730). SAGE Publications. https://doi.org/10.1177/1071181381025001190
    Attwood, Dennis A., and Philip L. Scott. “The On–Line Use of Performance Measures to Predict Driving Fatigue”. Proceedings of the Human Factors Society Annual Meeting. SAGE Publications, October 1981. https://doi.org/10.1177/1071181381025001190.
    Attwood, Dennis A., and Philip L. Scott. “The On–Line Use of Performance Measures to Predict Driving Fatigue”. Proceedings of the Human Factors Society Annual Meeting, vol. 25, no. 1, SAGE Publications, Oct. 1981, pp. 726-30. Crossref, https://doi.org/10.1177/1071181381025001190.

    Cette bibliographie a été enrichie de toutes les références bibliographiques automatiquement générées par Bilbo en utilisant Crossref.

    Références

    10.1177/1071181381025001190 :

    1) D. A. Attwood, P. L. scott, The on-line use of performance measures to predict driving fatigue. Proceedings of the Human Factors Society, 25th annual meeting, pages 726-730, 1981.

    2) B. Dubuisson, Diagnostic et reconnaissance des formes. Hermès, 1990.

    3) S. Lee, R. M. Kil, A gaussian potential function network with hierarchically self-organizing leaming. Neural Networks, 4 : 207-224, 1991.

    4) J.-F. O’Hanlon, G. R. Kelley, Comparison of performance and physiological changes between people who perform well and poorly during prolonged vehicular operation. In R.R. Mackie éditer, Vigilance : Theory, operational performance and physiological carrelates, pages 87-109. Plenum Press, New York, NY, 1977.

    5) M.-A. Peltier, B. Dubuisson, A fuzzy clustering algorithm based on the k-nearest neigh-bors’ rule for the detection of evolution. Proceedings IEEE-SMC ‘93, Vol. 4, pages 696- 701, 1993.

    6) M.-A. Peltier, B. Dubuisson, A human operator monitoring process based on a fuzzy approach. Proceedings Tooldiag ‘93, Vol. 2, pages 645-652, 1993.

    7) M.-A. Peltier, B. Dubuisson, Détection d’évolution par filtrage de fonctions d’appartenance floues. In Actes des Troisièmes Journées nationales sur les ensembles flous et leurs applications, pages 645-652, 1993.

    8) F. N. Platt, A new method of evaluating the effects of driving fatigue on driver performance. Human Factors, 6 (4) : 351-358, 1964.

    9) R. R. Safford, T. H. Rockwell, Performance decrement in 24-hour driving. Proceedings of the Committee on Highway Safety 45th annual meeting, pages 68-79, 1967.

    10) E. D. Sussman et al.. Use of simulation in a study investigating alertness during long-distance, low-event driving. Highway Research Record, 364 : 27-32, 1971.

    11) C. Tarrière et al., Some ergonomie features of the driver-vehicle-environment interface. In Proceedings FISITA ‘88, pages 865-875, 1988.

    12) A. Thomas et al., Monitoring the driver status : the State of the art. Technical report, DRIVE project DREAM, 1989.

    13) K. Yabuta et al., The development of driver drowsiness warning devices. Proceedings of the 10th International Conference on Experimental Safety Vehicles, 1985.

    Auteurs

    • M.-A. Peltier

      Laboratoire EPAP, École centrale Paris, Châtenay-Malabry, France

    • B. Dubuisson

      URA CNRS 817, Université de Technologie de Compiègne, Compiègne, France

    Précédent Suivant
    Table des matières

    Cette publication numérique est issue d’un traitement automatique par reconnaissance optique de caractères.

    Le texte seul est utilisable sous licence Licence OpenEdition Books. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.

    Voir plus de livres
    Quand le Tout-Lyon se compte…

    Quand le Tout-Lyon se compte…

    Yves Grafmeyer

    1992

    La Vie des lieux

    La Vie des lieux

    Un quartier du Vieux-Lyon au fil du temps

    Jean-Yves Authier

    1993

    Lyon la nuit

    Lyon la nuit

    Lieux, pratiques et images

    Jean-Michel Deleuil

    1994

    La Mémoire domestique. La maison rurale des Monts du Lyonnais

    La Mémoire domestique. La maison rurale des Monts du Lyonnais

    Michel Rautenberg

    1997

    Trajectoires familiales et espaces de vie en milieu urbain

    Trajectoires familiales et espaces de vie en milieu urbain

    Francine Dansereau et Yves Grafmeyer (dir.)

    1998

    Le Patrimoine, atout du développement

    Le Patrimoine, atout du développement

    Régis Neyret (dir.)

    1992

    Les Ouvertures de l’opéra

    Les Ouvertures de l’opéra

    Une nouvelle géographie culturelle ?

    Michel Foucher (dir.)

    1996

    Vigilance et transports

    Vigilance et transports

    Aspects fondamentaux, dégradation et prévention

    Michel Vallet et Salah Khardi (dir.)

    1995

    Voir plus de livres
    1 / 8
    Quand le Tout-Lyon se compte…

    Quand le Tout-Lyon se compte…

    Yves Grafmeyer

    1992

    La Vie des lieux

    La Vie des lieux

    Un quartier du Vieux-Lyon au fil du temps

    Jean-Yves Authier

    1993

    Lyon la nuit

    Lyon la nuit

    Lieux, pratiques et images

    Jean-Michel Deleuil

    1994

    La Mémoire domestique. La maison rurale des Monts du Lyonnais

    La Mémoire domestique. La maison rurale des Monts du Lyonnais

    Michel Rautenberg

    1997

    Trajectoires familiales et espaces de vie en milieu urbain

    Trajectoires familiales et espaces de vie en milieu urbain

    Francine Dansereau et Yves Grafmeyer (dir.)

    1998

    Le Patrimoine, atout du développement

    Le Patrimoine, atout du développement

    Régis Neyret (dir.)

    1992

    Les Ouvertures de l’opéra

    Les Ouvertures de l’opéra

    Une nouvelle géographie culturelle ?

    Michel Foucher (dir.)

    1996

    Vigilance et transports

    Vigilance et transports

    Aspects fondamentaux, dégradation et prévention

    Michel Vallet et Salah Khardi (dir.)

    1995

    Accès ouvert

    Accès ouvert freemium

    ePub

    PDF

    PDF du chapitre

    Suggérer l’acquisition à votre bibliothèque

    Acheter

    Édition imprimée

    Presses universitaires de Lyon
    • decitre.fr
    • mollat.com
    • leslibraires.fr
    • placedeslibraires.fr
    ePub / PDF

    Vigilance et transports

    X Facebook Email

    Vigilance et transports

    Ce livre est cité par

    • Vallet, Michel. (2001) Traffic Psychology Today. DOI: 10.1007/978-1-4757-6867-1_5

    Vigilance et transports

    Ce livre est diffusé en accès ouvert freemium. L’accès à la lecture en ligne est disponible. L’accès aux versions PDF et ePub est réservé aux bibliothèques l’ayant acquis. Vous pouvez vous connecter à votre bibliothèque à l’adresse suivante : https://freemium.openedition.org/oebooks

    Suggérer l’acquisition à votre bibliothèque Acheter ce livre aux formats PDF et ePub

    Si vous avez des questions, vous pouvez nous écrire à access[at]openedition.org

    Vigilance et transports

    Vérifiez si votre bibliothèque a déjà acquis ce livre : authentifiez-vous à OpenEdition Freemium for Books.

    Vous pouvez suggérer à votre bibliothèque d’acquérir un ou plusieurs livres publiés sur OpenEdition Books. N’hésitez pas à lui indiquer nos coordonnées : access[at]openedition.org

    Vous pouvez également nous indiquer, à l’aide du formulaire suivant, les coordonnées de votre bibliothèque afin que nous la contactions pour lui suggérer l’achat de ce livre. Les champs suivis de (*) sont obligatoires.

    Veuillez, s’il vous plaît, remplir tous les champs.

    La syntaxe de l’email est incorrecte.

    Référence numérique du chapitre

    Format

    Peltier, M.-A., & Dubuisson, B. (1995). Un système adaptatif de diagnostic du comportement conducteur. In M. Vallet & S. Khardi (éds.), Vigilance et transports (1‑). Presses universitaires de Lyon. https://doi.org/10.4000/books.pul.39942
    Peltier, M.-A., et B. Dubuisson. « Un système adaptatif de diagnostic du comportement conducteur ». In Vigilance et transports, édité par Michel Vallet et Salah Khardi. Lyon: Presses universitaires de Lyon, 1995. https://doi.org/10.4000/books.pul.39942.
    Peltier, M.-A., et B. Dubuisson. « Un système adaptatif de diagnostic du comportement conducteur ». Vigilance et transports, édité par Michel Vallet et Salah Khardi, Presses universitaires de Lyon, 1995, https://doi.org/10.4000/books.pul.39942.

    Référence numérique du livre

    Format

    Vallet, M., & Khardi, S. (éds.). (1995). Vigilance et transports (1‑). Presses universitaires de Lyon. https://doi.org/10.4000/books.pul.39427
    Vallet, Michel, et Salah Khardi, éd. Vigilance et transports. Lyon: Presses universitaires de Lyon, 1995. https://doi.org/10.4000/books.pul.39427.
    Vallet, Michel, et Salah Khardi, éditeurs. Vigilance et transports. Presses universitaires de Lyon, 1995, https://doi.org/10.4000/books.pul.39427.
    Compatible avec Zotero Zotero

    1 / 3

    Presses universitaires de Lyon

    Presses universitaires de Lyon

    • Mentions légales
    • Plan du site
    • Se connecter

    Suivez-nous

    • Facebook
    • X
    • Flux RSS

    URL : http://presses.univ-lyon2.fr

    Email : pul@univ-lyon2.fr

    Adresse :

    86 rue Pasteur

    69365

    Lyon

    France

    OpenEdition
    • Candidater à OpenEdition Books
    • Connaître le programme OpenEdition Freemium
    • Commander des livres
    • S’abonner à la lettre d’OpenEdition
    • CGU d’OpenEdition Books
    • Accessibilité : partiellement conforme
    • Données personnelles
    • Gestion des cookies
    • Système de signalement