Tutkimus ihmisen käyttäytymisestä auttaa itseohjautuvia autoja ennustamaan jalankulkijoiden ylityksiä

Tutkimus Leedsin yliopistosta voi auttaa itseohjautuvia autoja olemaan ihmismielisempiä. Tutkimalla, miten parantaa ymmärrystä ihmisen käyttäytymisestä liikenteessä, neurotieteelliset teoriat siitä, miten aivot tekevät päätöksiä, voivat mahdollistaa automaattisen ajoneuvoteknologian ennustaa, milloin jalankulkijat ylittävät tien.

Drift Diffusion -malli

Tutkijaryhmän tutkimassa päätöksentekomallissa käytetään drift diffusion -mallia, jota voidaan käyttää tilanteissa, joissa auto antaa jalankulkijalle etenemisoikeuden, merkki- tai valomerkkejä käyttäen. Tämän ennustemahdollisuuden kautta itseohjautuva ajoneuvo voi viestiä jalankulkijoiden kanssa tehokkaammin. Se saavuttaa paremman ymmärryksen heidän liikkeistään liikenteessä ja ulkoisista merkeistä, kuten vilkkuvista valoista, mikä auttaa maksimoimaan liikenteen virtausta ja vähentämään epävarmuutta.
Drift diffusion -mallit perustuvat oletukseen, että ihmiset tekevät päätöksiä, kun he keräävät aistinvaraista näyttöä kynnysarvoon, jossa päätös tehdään.
Professori Gustav Markkula on Leedsin yliopiston Liikennetutkimusinstituutin tutkija ja tutkimuksen vastaava tekijä.
“Kun jalankulkija päättää ylittää, hän näyttää laskavan useita eri lähteitä, ei ainoastaan ajoneuvon etäisyyttä ja nopeutta, vaan myös ajoneuvon viestintäkeinoja, kuten jarrutusta ja ajovalojen vilkuntaa”, professori Markkula sanoi.
“Kun ajoneuvo antaa etenemisoikeuden, jalankulkijat usein tuntevat epävarmuutta siitä, antaako auto todella etenemisoikeuden, ja usein odottavat, kunnes auto on melkein täysin pysähtynyt, ennen kuin alkavat ylittää”, hän jatkoi. “Meidän mallimme osoittaa selvästi tämän epävarmuuden, mikä tarkoittaa, että sitä voidaan käyttää suunnittelemaan, miten itseohjautuvat ajoneuvot käyttäytyvät jalankulkijoiden kanssa, jotta epävarmuutta voidaan rajoittaa, mikä parantaa sekä liikenneturvallisuutta että liikenteen virtausta.”
“On jännittävää nähdä, että nämä kognitiivisen neurotieteen teoriat voidaan soveltaa tähän kaltaiseen todelliseen maailmaan ja löytää soveltamista.”

Mallin testaaminen

Tutkijaryhmä päätti testata mallia virtuaalitodellisuuden avulla. Kokeen osanottajat asetettiin erilaisiin tienylitysskenaarioihin yliopiston HIKER (Highly Immersive Kinematic Experimental Research) -jalkulkijasimulaattorissa. Heidän liikkeensä seurattiin, kun he kävelivät vapaasti stereoskooppisessa 3D-virtuaalitilassa, jossa esitettiin tuleva liikenne. Osanottajille kerrottiin ylittää tie, kun he koettivat itsensä tarpeeksi turvallisiksi.
Tutkijat testasivat useita eri skenaarioita, mukaan lukien lähestyvä ajoneuvo, joka pysyi vakionopeudella ja jarrutti antaakseen jalankulkijalle etenemisoikeuden. Ajoneuvo vilkutti myös ajovalojaan merkiksi ylityksestä.
Kokeet osoittivat, että osanottijat näyttivät laskavan aistinvaraista tietoa ajoneuvon etäisyydestä, nopeudesta, kiihtyvyydestä ja viestintäkeinoista ennen päätöksen tekemistä siitä, milloin ylittää. Tämä osoitti tutkijaryhmalle, että drift diffusion -malli voisi ennustaa, ylittäisivätkö jalankulkijat tien ja milloin.
“Nämä tulokset voivat auttaa ymmärtämään ihmisen käyttäytymistä liikenteessä, mikä on tarpeen sekä liikenneturvallisuuden parantamiseksi että itseohjautuvien ajoneuvien kehittämiseksi, jotka voivat olla yhteensopiva ihmisten kanssa”, professori Markkula sanoi.
“Turvallinen ja ihmisten hyväksymä vuorovaikutus jalankulkijoiden kanssa on suuri haaste itseohjautuvien ajoneuvien kehittäjille, ja jalankulkijoiden käyttäytymisen ymmärtäminen on avain tämän mahdollistamiseksi.”
Johtavan tekijän, tohtori Jami Pekkasen, mukaan “jalankulkijoiden päätöksien ja epävarmuuden ennustaminen voidaan käyttää optimoimaan, milloin ja miten ajoneuvo pitäisi jarruttaa ja viestiä, että on turvallista ylittää, mikä säästää aikaa ja vaivaa sekä jalankulkijoille että ajoneuvolle”.