Forskning om menneskelig atferd hjelper selvstyrende biler med å forutsie fotgjengeroverganger

Forskning fra University of Leeds kan hjelpe selvstyrende 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 muligjøre at automatisert kjøretøyteknologi kan forutsie når fotgjengere skal kryssere veien.

Drift Diffusion Model

Beslutningsmodellen som ble undersøkt av forskerteamet, kalles drift diffusion, og kan brukes i situasjoner der en bil gir veg til en fotgjenger, med eller uten signaler. Gjennom denne forutsigelsesevnen kan den selvstyrende 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 diffusion-modeller er avhengige av antagelsen om at mennesker tar beslutninger etter å ha samlet inn sanselige beviser opp til en terskel, på det punktet hvor 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 lyssignaler,” sa professor Markkula.
“Når en bil gir veg, er fotgjengerne ofte usikre på om bilen faktisk gir veg, og vil ofte ende opp med å 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 automatiserte 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 sammenhenger og finne en anvendt bruk.”

Testing av modellen

Forskerlaget 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 innenfor en stereoskopisk 3D-virtuell scene som presenterte innkommende trafikk. Deltagerne ble bedt om å kryssere veien når de følte seg trygg nok.
Forskerne testet flere forskjellige scenarier, inkludert den innkommende bilen som holdt en konstant hastighet og bremsende for å la fotgjengeren kryssere. Bilen flashet også noen ganger lyktene for å signalisere en kryssing.
Testene viste at deltagerne åpenbart la til sanselige data fra bilens avstand, hastighet, akselerasjon og kommunikative signaler før de tok en beslutning om når de skulle kryssere. Dette indikerte for forskerlaget at drift diffusion-modellen kunne forutsie om og når fotgjengere sannsynligvis 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 automatiserte kjøretøy som kan sameksistere med menneskelige vegbrukere,” sa professor Markkula.
“Sikker og menneske-akseptabel interaksjon med fotgjengere er en stor utfordring for utviklere av automatiserte kjøretøy, og en bedre forståelse av hvordan fotgjengere oppfører seg, vil være nøkkel til å muliggjøre dette.”
Ifølge hovedforfatter Dr. Jami Pekkanen, “Forutsigelse av fotgjengerbeslutninger og usikkerhet kan brukes til å optimere når og hvordan kjøretøyet skal bremses og signalisere at det er trygt å kryssere, og spare tid og anstrengelse for både.”