Un pied dans la ville quand on est presbyacousique
One foot in the city when we are presbycusis
 
18/06/2011
Edito n°44
Faten Hussein
• Architecte, doctorante au CERMA UMR CNRS/MCC 1563, ENSA de Nantes. Thèse en cotutelle dirigée par Gérard Hégron et Jean-Pierre Péneau, encadrée par Pascal Joanne.
• Architect, PhD Candidate at CERMA research group UMR CNRS/MCC 1563, ENSA de Nantes. Phd cosupervised by Gérard Hégron, Jean-Pierre Péneau and Pascal Joanne.





 
Suzanne Soukeina, 84 ans, retraitée de la poste tunisienne, ne s’adonne plus à son activité préférée : la marche. Des problèmes cardiaques couplés à une déficience auditive liée à l’âge avancé l’obligeant à porter une prothèse auditive font que son univers se rétrécie considérablement depuis quelques années. Elle nous a fait part de ses craintes vis-à-vis de la fréquentation de l’espace public : « Je crains les chutes…tout le monde court à l’extérieur, les voitures roulent vite et ma lenteur me fait sentir que je m’expose à un danger à chaque mètre que je fais… »[1].
 
De nombreuses études qui s’intéressent à l’usage de la ville par les plus âgés pose la question de la sécurité à s’exposer dans l’espace public lorsqu’on atteint le grand âge. Les difficultés de mobilité au sens strict sont souvent le prétexte à fréquenter de moins en moins l’espace public. Un mal, aussi responsable de l’isolement de la personne âgée que la diminution de ses capacités physiques, passé souvent sous silence, à cause entre autres de son invisibilité : il s’agit de la presbyacousie. La perte de discrimination sonore chez le piéton âgé est à l’origine de nombreuses situations de dangers et d’accidents de la voie publique. Ne percevant plus les signaux auditifs d’alerte ou, quand il les perçoit, ne les situe plus à leur bonne origine, le piéton âgée se trouve vulnérable et fragilisé lors de son évolution dans la ville. Suzanne Soukeina nous confie que : « les voitures roulent vite et je n’arrive plus à entendre leurs klaxons parfois pour savoir d’où elles viennent...j’ai peur de traverser, on m’écraserait surement » [2].
 
Elle souffre d’une surdité de perception moyenne à sévère. Si sa prothèse auditive est d’une aide considérable à l’intérieur, elle n’a pas été calibrée pour l’extérieur. Afin de déchiffrer les moments clés de modification d’ambiances sonores urbaines et d’émergence d’évènements sonores qui avertissent d’un danger et que cette dame n’arrive plus à discriminer auditivement en s’engageant dans une configuration urbaine de situation de danger critique[3], nous avons fait appel à la technique des « textures audio[4] », une technique récente, empruntée du domaine du traitement de l’image et permettant de détecter graphiquement, sur une matrice dite d’inter-similarité[5] les modifications d’ambiances sonores lors d’un parcours. Un algorithme de segmentation de scènes sonores[6] a été développé à cet effet pour détecter la similarité ou non entre deux séquences sonores.
 
Avant de traverser un carrefour, l’une des configurations urbaines accidentogènes identifiées, nous avons équipé Suzanne Soukeina d’un biocapteur sans fil qui mesure l’activité électrodermale (AED) qui est un indicateur physiologique objectif du niveau de stress et un allié de taille pour détecter graphiquement sur le tracé de l’AED un événement stressant pour notre enquêtée et confirmer l’apparition dans le temps et dans l’espace d’une situation de danger lors du parcours. Notre enquêtée a eu beaucoup de problème à traverser comme le témoigne cet extrait de son commentaire : « Nous allons traverser ce carrefour ?ça me stresse…J’ai peur,  je ne sais plus à quel moment je peux traverser…je ne vois plus de loin le feu s’il est rouge ou vert et je suis obligé de me fier aux voitures qui s’arrêtent…il faut traverser là ? Oh mon dieu, cette voiture n’a pas respecté le feu…je n’ai rien entendu ni vu venir…il a klaxonné ? Heureusement que vous êtes avec moi et que le conducteur a freiné à temps sinon elle m’aurait écrasé…C’est dangereux pour moi la ville, c’est fini…»[7].
 
A l’instant ‘’T’’ où Suzanne Soukeina a traversé cette partie du carrefour non réglée par des feux de circulation routière et n’a pas pu identifier le son de l’avertisseur sonore de la voiture qui approchait, nous avons analysé la scène sonore en question grâce à l’algorithme de segmentation. En relevant les coordonnées temporelles de la RED et en les couplant avec la segmentation de la scène sonore à l’endroit ‘’X’’ de l’apparition de la réaction stressante à travers un balayage de la matrice d’inter-similarité obtenue, nous avons pouvons pu déterminer avec précision le numéro de l’échantillon de la séquence sonore sujet à l’apparition de la situation de danger qui n’a pas été identifiée par la personne âgée presbyacousique.
 
Les « textures audio » seraient alors un indicateur sonore pertinent pour une personne âgée presbyacousique et la représentation en deux dimensions qu’elles offrent nous permettrait de détecter graphiquement l’apparition d’une situation de handicap et de prévoir ainsi les corrections nécessaires afin de permettre aux séniors de sortir de chez eux. Suite à cette détection graphique, nos recherches doctorales à visée opérationnelle dicteraient l’établissement d’un éventuel cahier des charges regroupant des dispositions et dispositifs palliatifs à l’apparition de ces situations de danger en ville pour cette population âgée (feux sonores dont le signal est modifié selon une écoute déficiente dans les aigues, un appareillage auditif intégrant une localisation de l’avertisseur sonore d’un véhicule…).
 
  
Suzanne Soukeina, 84 years old, retired from the Tunisian Post Office, is no more practicing her favourite activity: walking. Cardiac problems linked to hearing loss due to age, that requires her to wear a hearing aid, make his universe considerably narrow these last years. She expressed to us her problems to evolve in public space: "I fear to fall ... everyone runs outside, cars are going fast and my slowness makes me feel that i’m exposed to a danger each yard that i do..."[1].
 
Many studies exploring the use of the city by the seniors raises the question of the safety to go outside when we reach an old age. The difficulties of moving are often an excuse to less attend public spaces. Another problem, also in charge of the loneliness of the elderly as the decrease of their physical abilities, is often ignored, because of its invisibility: the presbycusis. The loss of sound discrimination in the case of old pedestrian is causing many dangerous situations and accidents when crossing roads. No longer perceiving auditory warnings signals or, when they perceive them, they can’t situate them at their true origin, old pedestrian become vulnerable when evolving in the city. Suzanne Soukeina confides that "the cars drive fast and i can no longer hear their horns to know from where they come from ... I'm afraid to cross, i’ll be crushed by the cars for sure" [2].

She suffers from a moderate to severe neurosensorial hearing loss. If her hearing aid is very helpful in inside and closed spaces, it wasn’t calibrated for the open spaces. To detect the moments of changes in urban soundscapes and emergence of sound events that warn of a danger that this old woman is no longer able to discriminate aurally if she’s facing an urban configuration, field of a critical situation of danger[3], we have used the technique of “audio textures[4]”. It’s a recent technique, borrowed from the field of image processing. It allows detecting graphically, through a matrix of inter-similarity[5], the modifications of sonic ambiances during an urban walk. For this purpose, a segmentation algorithm[6] of audio scenes was developed to detect if there is a similarity between two audio sequences.
 
Before crossing an intersection, one of the identified accident-prone urban configurations, we equipped Suzanne Soukeina with a wireless biosensor that measures electrodermal activity (EDA) which is an objective physiological indicator of stress level and very efficient to detect graphically on the outline of the EDA a stressful event for our subject. We can confirm with precision the occurrence in time and space of a dangerous and stressful situation during the walk. Suzanne Soukeina had a lot of problems to cross as shown by this excerpt from her comment: "We'll cross that intersection? It’s stressing me ... I'm afraid, I don’t know when I can go through ... I can’t see if the traffic light is red or green and i am forced to rely on cars that stop there ... We have to cross? Oh my god! This car didn’t stopped at the green traffic light ... I haven’t heard or seen it coming ... it honked? Fortunately, you are with me and the driver braked in time otherwise it would have crushed me ... The city becomes dangerous for me, it's over.... "[7]

At the moment called ''T'', when Suzanne Soukeina crossed this part of the intersection which isn’t controlled by traffic lights and she couldn’t identify a near sound of a car’s horn, we analyzed this specific sound scene with the segmentation algorithm. We proceed to a definition of the temporal coordinates of the electrodermal reaction. Then we associate them with the segmentation of the sound scene at the place called ''X'' where appears the stressing reaction through a scanning of the inter-similarity matrix obtained. Finally, we could accurately determine the number of the sample of the sound sequence corresponding to the exact moment of the emergence of the dangerous situation that hasn’t been identified by the presbycusis senior.

The "audio textures" are a relevant sonic indicator for a presbycusis senior. The two-dimensional representation they provide allows us to graphically detect the occurrence of disabilities and to offer the needed corrections so that seniors leave their homes and go outside. The prospects of our PhD subject are to specify a guide that contains some palliative considerations to follow in order to avoid those situations of danger in the city faced by presbycusis elderly (traffic sonic lights which the signal is modified according to deficient hearing for high frequencies, a hearing aid incorporating a tracking of the horn’s cars...).
 

NOTES
[1] Extrait d’un entretien précédant un parcours commenté réalisé avec Mme Suzanne Soukeina B. le 03/01/11 à Tunis, quartier Lafayette (12h34).

From an interview conducted before a commented walk with Ms. Suzanne Soukeina B. the 03/01/11 at Lafayette, Tunisia (12:46).

[2] Extrait d’un entretien précédant un parcours commenté réalisé avec Mme Suzanne Soukeina B. le 03/01/11 à Tunis, quartier Lafayette (12h46)

From an interview conducted before a commented walk with Ms. Suzanne Soukeina B. the 03/01/11 at Lafayette, Tunisia (12:46).

 

[3] Une situation de handicap est une conjugaison d’une diminution des performances physiques et d’un environnement matériel et humain peu favorable. Typologie des situations de handicap identifiées : les situations de gêne, de stress et de danger (d’après L. SABY, Vers une amélioration de l’accessibilité urbaine pour les sourds et les malentendants, thèse en génie civil, l’institut national des sciences appliquée de Lyon, 2007).

A situation of disability results from an incompatibility between physical environment and human abilities. Three situations of disability were identified: situations of discomfort, anxiety and danger (L. SABY, Vers une amélioration de l’accessibilité urbaine pour les sourds et les malentendants, thèse en génie civil, l’institut national des sciences appliquée de Lyon, 2007).

 

[4] Ensemble d’éléments sonores répétitifs, organisés aléatoirement, tout en préservant une certaine cohérence temporelle et spectrale.

A set of repetitive sound elements, random organized, but in the same time it preserves a temporal and spectral coherence.

 

[5] La matrice est obtenue en : d’abord, échantillonner le signal audio. Ensuite, partitionner le signal en frames de 512 échantillons via les 13 premiers coefficients MFCC (échelle de Mels de perception humaine). Enfin, capturer le degré de similarité entre 2 frames représentés par deux vecteurs i et j en se basant sur le produit de vecteurs : on obtient ainsi une matrice carrée symétrique présentant graphiquement le signal sonore tel qu’il a été traité par cet algorithme de segmentation.

The matrix in obtained by: First, sampling the audio signal. Second, segmenting the signal into frames of 512 samples over the first 13 MFCC coefficients (The Mel scale is a frequencies scale based on human perception). Third, capturing the degree of similarity between two frames represented by two vectors i and j (based on the product of vectors). We obtain a square symmetric matrix presenting the audio signal as it has been manipulated through this algorithm segmentation.

 

[6] Algorithme développé au sein de l’Unité de recherche « Signaux et Systèmes », Département TIC, Ecole Nationale d’Ingénieurs de Tunis (ENIT).

Segmentation’s algorithm developed by Research unit « Signals and Systems », TIC Department, National school of Engineers, Tunis, Tunisia (ENIT).

 

[7] Extrait d’un parcours commenté réalisé avec Mme Suzanne Soukeina B. le 03/01/11 à Tunis, quartier Lafayette (13h17).

From a commented walk with Ms. Suzanne Soukeina B. the 03/01/11 at Lafayette, Tunisia (13:17).

 

 
Référence électronique
Hussein, Faten. Un pied dans la ville quand on est presbyacousique = One Foot in The City When we are Presbyacusis. Ambiances.net, Edito n°44, 2011/06/18. [En ligne] http://www.ambiances.net/index.php/fr/editos/264-un-pied-dans-la-ville-quand-on-est-presbyacousique (Consulté le 18/05/2012).