Forskning om menneskelig atferd hjelper selvkjørende biler med å forutsi fotgjengeroverganger

Forskning fra University of Leeds kan hjelpe selvkjørende biler med å bli mer menneskevennlige. Ved å undersøke hvordan man bedre kan forstå menneskelig atferd i trafikken, kan neurovitenskapelige teorier om hvordan hjernen tar beslutninger muligens enable automatisk kjøretøyteknologi til å forutsi når fotgjengere skal kryssere veien.

Drift Diffusion Model

Beslutningsmodellen som forskerne har undersøkt, kalles drift-diffusjon, og den kan muligens brukes i situasjoner der en bil gir vei til en fotgjenger, med eller uten signaler. Gjennom denne forutsigelsesevnen kan den selvkjørende bilen kommunisere mer effektivt med fotgjengere. Den vil oppnå en bedre forståelse av deres bevegelser i trafikken og eksterne signaler som blinkende lys, som vil hjelpe med å maksimere trafikken og redusere usikkerheten.

Drift-diffusjonsmodellene bygger på antagelsen at mennesker tar beslutninger etter å ha samlet inn sanselige beviser opp til en terskel, på det punktet beslutningen tas.

Professor Gustav Markkula er fra University of Leeds’ Institute for Transport Studies. Han er hovedforfatter av studien.

“Når de tar beslutningen om å kryssere, ser det ut til at fotgjengerne legger til mange forskjellige kilder av bevis, ikke bare relatert til bilens avstand og hastighet, men også kommunikative signaler fra bilen i form av bremsing og blinkende lys,” sa professor Markkula.

“Når en bil gir vei, føler fotgjengerne ofte usikker på om bilen virkelig gir vei, og de vil ofte vente til bilen har nesten stoppet helt før de begynner å kryssere,” fortsatte han. “Vår modell viser tydelig denne usikkerhetstilstanden, noe som betyr at den kan brukes til å hjelpe med å designe hvordan automatiske kjøretøy oppfører seg rundt fotgjengere for å begrense usikkerheten, som kan forbedre både trafikksikkerheten og trafikken.”

“Det er spennende å se at disse teoriene fra kognitiv neurovitenskap kan bringes inn i denne type virkelige kontekst og finne en praktisk anvendelse.”

Testing the Model

Forskerne satte ut til å teste modellen med virtuell virkelighet. Prøvedeltagerne ble plassert i forskjellige situasjoner for å kryssere veien innenfor universitetets HIKER (Highly Immersive Kinematic Experimental Research) fotgjengersimulator. Deres bevegelser ble sporet mens de gikk fritt innen en stereoskopisk 3D-virtuell scene som presenterte innkommende trafikk. Deltagerne ble bedt om å kryssere veien når de følte seg trygge nok.

Forskerne testet flere forskjellige situasjoner, inkludert en bil som holdt en konstant hastighet og bremsede for å la fotgjengeren kryssere. Bilen blinkede iblant lys for å signalisere kryssing.

Testene viste at deltagerne åpenbart la sammen sanselige data fra bilens avstand, hastighet, akselerasjon og kommunikative signaler før de tok beslutningen om når de skulle kryssere. Dette indikerte for forskerne at drift-diffusjonsmodellen kunne forutsi om og når fotgjengere ville kryssere veien.

“Disse funnene kan hjelpe med å gi en bedre forståelse av menneskelig atferd i trafikken, som er nødvendig både for å forbedre trafikksikkerheten og for å utvikle automatiske kjøretøy som kan samexisterer med menneskelige vegbrukere,” sa professor Markulla.

“Sikker og menneskeakseptabel interaksjon med fotgjengere er en stor utfordring for utviklere av automatiske kjøretøy, og en bedre forståelse av hvordan fotgjengere oppfører seg vil være nødvendig for å enable dette.”

Ifølge hovedforfatter Dr. Jami Pekkanen, “kan forutsigelse av fotgjengerbeslutninger og usikkerhet brukes til å optimere når og hvordan bilen skal bremses og signalisere for å kommunisere at det er trygt å kryssere, og spare tid og anstrengelse for begge parter.”