Forskning om mänskligt beteende hjälper autonoma bilar att förutsäga övergångsställen

Forskning från University of Leeds skulle kunna hjälpa självkörande bilar att bli mer människovänliga. Genom att undersöka hur man bättre förstår mänskligt beteende i trafiken kan neurovetenskapliga teorier om hur hjärnan fattar beslut göra det möjligt för automatiserad fordonsteknik att förutsäga när fotgängare ska korsa vägen.

Driftdiffusionsmodell

Beslutsmodellen som forskargruppen utforskar kallas driftdiffusion, och den kan användas i scenarier där en bil ger vika för en fotgängare, med eller utan signaler. Genom denna förutsägelseförmåga skulle det autonoma fordonet kunna kommunicera mer effektivt med fotgängare. Det skulle uppnå en bättre förståelse för deras rörelser i trafiken och externa signaler som blinkande ljus, vilket skulle hjälpa till att maximera trafikflödet och minska osäkerheten. 

Driftdiffusionsmodeller bygger på antagandet att människor fattar beslut efter att de har samlat på sig sensoriska bevis upp till en tröskel, då beslutet fattas.

Professor Gustav Markkula är från University of Leeds Institute for Transport Studies. Han är huvudförfattaren till studien.

"När de fattar beslutet att korsa tycks fotgängare lägga ihop många olika beviskällor, inte bara relaterade till fordonets avstånd och hastighet, utan också med hjälp av kommunikativa signaler från fordonet i form av retardation och strålkastarblixtar," professor Markkula sa.

"När ett fordon ger vika, kommer fotgängare ofta att känna sig ganska osäkra på om bilen verkligen ger efter, och kommer ofta att vänta tills bilen nästan har stannat innan de börjar korsa", fortsatte han. "Vår modell visar tydligt att detta tillstånd av osäkerhet bekräftats, vilket innebär att den kan användas för att designa hur automatiserade fordon beter sig runt fotgängare för att begränsa osäkerheten, vilket kan förbättra både trafiksäkerheten och trafikflödet."

"Det är spännande att se att dessa teorier från kognitiv neurovetenskap kan föras in i den här typen av verkliga sammanhang och hitta en tillämpad användning."

Testa modellen

Teamet gav sig i kast med att testa modellen med virtuell verklighet. Försöksdeltagare placerades i olika scenarier för vägkorsning inom universitetets fotgängarsimulator HIKER (Highly Immersive Kinematic Experimental Research). Deras rörelser spårades när de gick fritt i en stereoskopisk virtuell 3D-scen som presenterade mötande trafik. Deltagarna blev tillsagda att korsa vägen när de kände sig trygga nog.

Forskarna testade flera olika scenarier, inklusive att det närmande fordonet höll en konstant hastighet och bromsade in för att låta fotgängaren passera. Fordonet blinkade också ibland med strålkastarna för att signalera ett kors. 

Testerna visade att deltagarna till synes adderade sensoriska data från fordonsavstånd, hastighet, acceleration och kommunikativa ledtrådar innan de fattade ett beslut om när de skulle korsa. Detta indikerade för teamet att driftdiffusionsmodellen kunde förutsäga om och när fotgängare sannolikt skulle korsa vägen.

"Dessa fynd kan hjälpa till att ge en bättre förståelse av mänskligt beteende i trafiken, vilket behövs både för att förbättra trafiksäkerheten och för att utveckla automatiserade fordon som kan samexistera med mänskliga trafikanter," sa professor Markulla.

"Säker och mänskligt acceptabel interaktion med fotgängare är en stor utmaning för utvecklare av automatiserade fordon, och en bättre förståelse för hur fotgängare beter sig kommer att vara nyckeln för att möjliggöra detta."

Enligt huvudförfattaren Dr Jami Pekkanen, "Att förutsäga fotgängares beslut och osäkerhet kan användas för att optimera när och hur fordonet ska bromsa in och signalera för att kommunicera att det är säkert att korsa, vilket sparar tid och ansträngning för båda."