Tutkimus ihmisen käyttäytymisestä auttaa itseajavia autoja ennustamaan jalankulkijoiden ylittämisiä

Leedsin yliopistosta tuleva tutkimus voi auttaa itseajavia autoja olemaan ihmisten kanssa ystävällisempiä. Tutkimalla, miten voidaan parantaa ymmärrystä ihmisen käyttäytymisestä liikenteessä, neurotieteelliset teoriat aivojen päätöksenteosta voivat mahdollistaa automaattisen ajoneuvoteknologian ennustamisen, milloin jalankulkijat tulevat ylittämään tien.

Drift Diffusion Model

Tutkijaryhmän tutkimassa päätöksentekomallissa on käytetty drift-diffuusiota, jota voidaan käyttää tilanteissa, joissa auto antaa jalankulkijalle etusijan, signaalein tai ilman. Tämän ennustemahdollisuuden kautta itseajava auto voi viestittää jalankulkijoille tehokkaammin. Se saavuttaa paremman ymmärryksen heidän liikkeistään liikenteessä ja ulkoisista signaaleista, kuten vilkkuvista valoista, mikä auttaa maksimoimaan liikenteen virtausta ja vähentämään epävarmuutta.

Drift-diffuusiomallit perustuvat oletukseen, että ihmiset tekevät päätöksiä, kun he keräävät aistinvaraista näyttöä kynnysarvoon, jolloin päätös tehdään.

Professori Gustav Markkula on Leedsin yliopiston Liikennetutkimusinstituutin jäsen. Hän on tutkimuksen pääkirjoittaja.

”Jalankulkijat näyttävät lisäävän useita eri lähteisiin perustuvia todisteita, ei ainoastaan ajoneuvon etäisyyteen ja nopeuteen liittyviä, vaan myös ajoneuvon viestinnällisiä vihjeitä, kuten hidastumista ja ajovalojen vilkkumista”, professori Markkula sanoi.

”Kun ajoneuvo antaa etusijan, jalankulkijat usein tuntevat epävarmuutta siitä, antaako auto todella etusijan, ja he usein odottavat, kunnes auto on melkein täysin pysähtynyt, ennen kuin he alkavat ylittää tietä”, hän jatkoi. ”Meidän mallimme osoittaa selvästi tämän epävarmuuden, mikä tarkoittaa, että sitä voidaan käyttää suunnittelemaan, miten automaattiset ajoneuvot käyttäytyvät jalankulkijoiden kanssa, jotta epävarmuutta voidaan rajoittaa, mikä parantaa sekä liikenneturvallisuutta että liikenteen virtausta.”

”On jännittävää nähdä, miten nämä kognitiivisen neurotieteen teoriasta voidaan soveltaa tähänkaltaiseen todelliseen maailmaan ja löytää soveltamista.”

Testaaminen

Tutkijaryhmä päätti testata mallia virtuaalitodellisuuden avulla. Kokeen osallistujat asetettiin erilaisiin tieliikennetilanteisiin yliopiston HIKER (Highly Immersive Kinematic Experimental Research) -jalkulkijasimulaattorissa. Heidän liikkeensä seurattiin, kun he kävelivät vapaasti stereoskooppisessa 3D-virtuaalitilassa, jossa esitettiin tulevia ajoneuvoja. Osallistujille kerrottiin, että heidän tulee ylittää tie, kun he tuntevat itsensä tarpeeksi turvallisiksi.

Tutkijat testasivat useita eri skenaarioita, mukaan lukien lähestyvä ajoneuvo, joka pysyy vakio nopeudella ja hidastuu antaakseen jalankulkijalle etusijan. Ajoneuvo vilkutti joskus ajovalojaan merkinantona ylittämiselle.

Kokeet osoittivat, että osallistujat ilmeisesti lisäsivät aistinvaraisia tietoja ajoneuvon etäisyydestä, nopeudesta, kiihtyvyydestä ja viestinnällisistä vihjeistä, ennen kuin he tekivät päätöksen siitä, milloin ylittää tien. Tämä osoitti tutkijaryhmälle, että drift-diffuusiomalli voisi ennustaa, milloin jalankulkijat todennäköisesti ylittävät tien.

”Nämä tulokset voivat auttaa tarjoamaan paremman ymmärryksen ihmisen käyttäytymisestä liikenteessä, mikä on tarpeen sekä liikenneturvallisuuden parantamiseksi että automaattisten ajoneuvojen kehittämiseksi, jotka voivat olla yhteensopivia ihmisten kanssa”, professori Markkula sanoi.

“Turvallinen ja ihmisten hyväksymä vuorovaikutus jalankulkijoiden kanssa on suuri haaste automaattisten ajoneuvojen kehittäjille, ja parempi ymmärrys siitä, miten jalankulkijat käyttäytyvät, on avain tämän mahdollistamiseen.”

Johtava kirjoittaja Dr. Jami Pekkanen sanoo: “Jalankulkijoiden päätöksentekoa ja epävarmuutta voidaan käyttää optimoimaan, milloin ja miten ajoneuvo tulisi hidastaa ja viestittää, että on turvallista ylittää, mikä säästää aikaa ja vaivaa molemmille.”