La tendance actuelle dans la conception des véhicules électriques autonomes est basée sur des modèles préexistants de villes qui ont été construits pour les voitures. L'empreinte carbone des villes ne peut être réduite tant que les besoins globaux en véhicules ne sont pas réduits et que davantage de zones vertes ne soient créées pour une meilleure habitabilité. Cependant, Le nombre de ces zones ne peuvent être augmentées sans fournir des solutions de mobilité autonomes et accessibles à tous. De telles solutions doivent être capables de fonctionner dans des espaces partagés avec les piétons, ce qui rend ce problème beaucoup plus difficile par rapport à la conduite autonome traditionnelle. Comme point de départ pour développer de telles solutions, cette thèse pose des jalons pour développer de telles solutions et se focalise sur la navigation pour les véhicules autonomes à proximité des piétons. La solution proposée est un cadre proactif capable d'anticiper les réactions des piétons et d'exploiter leur coopération pour optimiser la performance tout en assurant leur sécurité.Dans un premier temps, un modèle de comportement des piétons est proposé. Le modèle commence par évaluer la tendance des piétons à coopérer avec le véhicule par un paramètre dépendant du temps. Cette tendance est ensuite utilisée combinée à des mesures spatiales pour prédire la trajectoire future. Le modèle est basé sur des règles sociales et des études cognitives en utilisant le concept de zones sociales. Il intègre ensuite le concept de zone virtuelle déformable (ZVD) pour mesurer l'influence résultante dans chaque zone. Les deux parties du modèle sont entrainées grâce à un corpus de données vidéos annoté où des piétons interagissent avec un véhicule.Dans un second temps, La vitesse et les manœuvres du véhicule sont étudiées. Premièrement, deux critères sont considérés pour contrôler la vitesse longitudinale. Le premier est un critère de sécurité qui utilise la distance minimale entre un agent et le châssis du véhicule. Le second est un critère proactif qui utilise la mesure de coopération des agents environnants. Ce dernier est indispensable pour exploiter tout comportement coopératif et éviter le gel du véhicule dans des scénarios denses. Enfin, le contrôle optimal est dérivé en utilisant le gradient d'une fonction de coût combinant les deux critères précédents. Ceci est possible grâce à une formulation suggérée du modèle de coopération utilisant une distribution Chi non centrale pour la distance entre le véhicule et un agent.Un cadre de canaux dynamiques et proactifs est suggéré pour la manœuvre locale. La méthode dépend de l'évaluation du coût de navigation dans un canal (sous-espace) à l'aide d'un modèle de coût flou. Le canal avec le moindre coût est sélectionné et une transition douce est réalisée à l'aide d'une spline Quintique entre les canaux. Enfin, la control local est calculé à l'aide d'un contrôleur de mode glissant.La navigation est évaluée à l'aide du simulateur PedSim sous ROS dans des scénarios d'interaction piéton-véhicule. La navigation est testée avec différentes densités et parcimonie de piétons. Le cadre proactif a produit des trajectoires de véhicules fluides tout en maintenant la sécurité des piétons et en réduisant le temps de trajet par rapport aux méthodes réactives traditionnelles (Risk-RRT).