來自TU Delft的研究人員現(xiàn)在已經(jīng)開發(fā)出一種新模型，該模型基于一個(gè)基本的“人為”原則描述駕駛行為：將風(fēng)險(xiǎn)控制在閾值以下。該模型可以在各種駕駛?cè)蝿?wù)中準(zhǔn)確預(yù)測人的行為。隨著時(shí)間的流逝，該模型可以用于智能汽車中，從而使它們的感覺不再那么“機(jī)器人化”。由博士候選人Sarvesh Kolekar及其主管Joost de Winter和David Abbink進(jìn)行的研究將于2020年9月29日星期二在《自然通訊》上發(fā)表。

通常使用預(yù)測最佳路徑的模型來描述駕駛行為。但這不是人們實(shí)際駕駛的方式。認(rèn)知機(jī)器人學(xué)系的研究員Sarvesh Kolekar說：“您并不總是使自己的駕駛行為適應(yīng)一條最佳道路?！薄袄?，人們不會(huì)在車道中間連續(xù)行駛：只要他們?cè)诳山邮艿能嚨老拗苾?nèi)，就可以了?！?/p>

預(yù)測最佳路徑的模型不僅在研究中很流行，而且在車輛應(yīng)用中也很流行。``目前的智能汽車駕駛非常整齊。他們不斷地尋找最安全的路徑：即以適當(dāng)速度的一條路徑。這就導(dǎo)致了“機(jī)器人式”的駕駛風(fēng)格。為了更好地理解人類駕駛行為，我們?cè)噲D開發(fā)一種新模型，將人類危險(xiǎn)閾值作為基本原理。

為了掌握這一概念，Kolekar引入了所謂的駕駛員風(fēng)險(xiǎn)場（DRF）。這是汽車周圍不斷變化的二維場，它指示駕駛員認(rèn)為在每個(gè)點(diǎn)處的風(fēng)險(xiǎn)有多高。Kolekar在先前的研究中設(shè)計(jì)了這些風(fēng)險(xiǎn)評(píng)估。然后在DRF中考慮所討論風(fēng)險(xiǎn)后果的嚴(yán)重性。例如，在道路邊界的一側(cè)有懸崖比放草要危險(xiǎn)得多。``DRF的靈感來自心理學(xué)的概念，該概念是很久以前（由Gibson和Crooks于1938年提出）的。這些作者聲稱，汽車駕駛員“感覺”了他們周圍的風(fēng)險(xiǎn)領(lǐng)域，并根據(jù)這些看法進(jìn)行了交通操作。”Kolekar設(shè)法將這一理論轉(zhuǎn)化為計(jì)算機(jī)算法。

然后，Kolekar在七個(gè)場景中對(duì)模型進(jìn)行了測試，包括超車和避免障礙。``我們將模型所做的預(yù)測與文獻(xiàn)中有關(guān)人類駕駛行為的實(shí)驗(yàn)數(shù)據(jù)進(jìn)行了比較。幸運(yùn)的是，已經(jīng)有很多信息可用。事實(shí)證明，我們的模型僅需要少量數(shù)據(jù)即可“獲取”潛在的人類駕駛行為，甚至可以預(yù)測在以前看不見的情況下的合理人類行為。因此，駕駛行為或多或少會(huì)自動(dòng)產(chǎn)生。這是“緊急事件”。

責(zé)任編輯：lq