Forskning i menneskelig adfærd hjælper selv kørende biler med at forudsige fodgængerkrydsninger

Forskning fra University of Leeds kunne hjælpe selv kørende biler med at blive mere menneskevenlige. Ved at undersøge, hvordan man bedre kan forstå menneskelig adfærd i trafikken, kunne neurovidenskabelige teorier om, hvordan hjernen tager beslutninger, gøre det muligt for automatiseret køretøjsteknologi at forudsige, når fodgængere vil krydse vejen.

Drift Diffusion Model

Beslutningsmodellen, som forskerholdet har undersøgt, kaldes drift diffusion, og den kunne bruges i situationer, hvor en bil giver plads til en fodgænger, med eller uden signaler. Gennem denne forudsigelsesevne kunne det selv kørende køretøj kommunikere mere effektivt med fodgængere. Det ville opnå en bedre forståelse af deres bevægelser i trafikken og eksterne signaler som blinkende lys, hvilket ville hjælpe med at maksimere trafikflow og reducere usikkerhed.

Drift diffusion-modellerne bygger på antagelsen, at mennesker tager beslutninger, efter at de har samlet sensorisk bevis op til en grænse, på hvilket tidspunkt beslutningen tages.

Professor Gustav Markkula er fra University of Leeds’ Institute for Transport Studies. Han er hovedforfatteren på studiet.

“Når de tager beslutningen om at krydse, synes fodgængere at samle mange forskellige kilder af bevis, ikke kun i forhold til bilens afstand og hastighed, men også ved at bruge kommunikative signaler fra bilen i form af afbremsning og lyssignaler,” sagde professor Markkula.

“Når en bil giver plads, føler fodgængere ofte usikkerhed om, hvorvidt bilen faktisk giver plads, og de ender ofte med at vente, til bilen næsten er standsede, før de begynder at krydse,” fortsatte han. “Vores model viser tydeligt denne usikkerhed, hvilket betyder, at den kan bruges til at hjælpe med at designe, hvordan automatiserede køretøjer skal opføre sig omkring fodgængere for at begrænse usikkerhed, hvilket kan forbedre både trafiksikkerhed og trafikflow.”

“Det er spændende at se, at disse teorier fra kognitiv neurovidenskab kan bringes ind i denne type virkelige sammenhænge og finde en praktisk anvendelse.”

Testing the Model

Forskerholdet satte sig for at teste modellen med virtuel virkelighed. Forsøgspersonerne blev placeret i forskellige scenarier for overkrydsning af veje inden for universitetets HIKER (Highly Immersive Kinematic Experimental Research) fodgængersimulator. Deres bevægelser blev sporet, mens de gik frit inden for en stereoskopisk 3D-virtuel scene, der præsenterede indkommende trafik. Deltagerne blev bedt om at krydse vejen, når de følte sig sikre nok.

Forskerne testede flere forskellige scenarier, herunder det tilfælde, hvor den nærmerende bil holdt en konstant hastighed og afbremsede for at lade fodgængeren krydse. Bilen flådede iblandt også med lygterne for at signalere overkrydsning.

Testene viste, at deltagernes bevægelser tydeligt viser, at de samlede sensoriske data fra bilens afstand, hastighed, acceleration og kommunikative signaler, før de tog beslutningen om, hvornår de skulle krydse vejen.

“Disse resultater kan hjælpe med at give en bedre forståelse af menneskelig adfærd i trafikken, hvilket er nødvendigt både for at forbedre trafiksikkerheden og for at udvikle automatiserede køretøjer, der kan sameksistere med menneskelige vejbrugere,” sagde professor Markulla.

“Sikker og menneskeaccepteret interaktion med fodgængere er en stor udfordring for udviklerne af automatiserede køretøjer, og en bedre forståelse af, hvordan fodgængere opfører sig, vil være nødvendig for at enable dette.”

Ifølge hovedforfatteren Dr. Jami Pekkanen, “kan forudsigelse af fodgængernes beslutninger og usikkerhed bruges til at optimere, hvornår og hvordan køretøjet skal afbremses og signalere for at kommunikere, at det er sikkert at krydse, hvilket kan spare tid og anstrengelse for både.”