Дослідження поведінки людини допомагає автономним автомобілям передбачати переходи пішоходів

Дослідження університету Лідса може допомогти самоходним автомобілям стати більш дружніми до людини. Досліджуючи, як краще зрозуміти поведінку людини в трафіку, нейронаукові теорії того, як мозок приймає рішення, можуть дозволити технології автоматизованих транспортних засобів передбачати, коли пішоходи будуть переходити дорогу.

Модель дрейф-дифузії

Модель прийняття рішень, яку досліджувала команда вчених, називається дрейф-дифузією, і вона може бути використана в сценаріях, коли автомобіль віддає дорогу пішоходу, з сигналами або без них. Завдяки цій можливості передбачення автономний транспортний засіб може більш ефективно спілкуватися з пішоходами. Він досягне кращого розуміння їх рухів у трафіку та зовнішніх сигналів, таких як мигаючи вогні, що допоможе максимізувати потік трафіку та зменшити невизначеність.

Моделі дрейф-дифузії ґрунтуються на припущенні, що люди приймають рішення після того, як накопичують сенсорні дані до певного порогу, після чого приймається рішення.

Професор Густав Марккула з Інституту транспортних досліджень університету Лідса є головним автором дослідження.

«При прийнятті рішення про переходи пішоходи, здається, підсумовують багато різних джерел доказів, не тільки щодо відстані та швидкості автомобіля, але також використовують комунікативні сигнали від автомобіля щодо гальмування та мигаючи вогнями», – сказав професор Марккула.

«Коли автомобіль віддає дорогу, пішоходи часто відчувають велику невизначеність щодо того, чи насправді автомобіль зупиняється, і часто чекають, поки автомобіль майже повністю не зупиниться, перш ніж почати переходити», – продовжував він. «Наша модель чітко показує цей стан невизначеності, що означає, що її можна використовувати для розробки поведінки автоматизованих транспортних засобів щодо пішоходів, щоб обмежити невизначеність, що може покращити як безпеку трафіку, так і потік трафіку».

«Цікаво бачити, що ці теорії з когнітивної нейронауки можуть бути застосовані в цьому типу реального контексту та знайти практичне застосування».

Тестування моделі

Команда вирішила протестувати модель за допомогою віртуальної реальності. Учасники дослідження були розміщені в різних сценаріях переходу дороги в рамках педестріанського симулятора HIKER університету. Їх рухи відстежувалися під час вільного ходіння всередині стереоскопічної 3D-сцени, яка представляла наближающийся трафік. Учасникам було сказано переходити дорогу, коли вони відчували себе достатньо безпечно.

Дослідники протестували кілька різних сценаріїв, включаючи наближающийся автомобіль, який підтримував постійну швидкість, і гальмування, щоб віддати дорогу пішоходу. Автомобіль іноді мигав фарами, щоб сигналізувати про переходи.

Тести показали, що учасники, здається, підсумовували сенсорні дані від відстані автомобіля, швидкості, прискорення та комунікативних сигналів перед тим, як прийняти рішення про перехід. Це вказувало команді на те, що модель дрейф-дифузії може передбачити, чи й коли пішоходи будуть переходити дорогу.

«Ці результати можуть допомогти забезпечити краще розуміння поведінки людини в трафіку, яке потрібно як для покращення безпеки трафіку, так і для розробки автоматизованих транспортних засобів, які можуть співіснувати з людьми на дорозі», – сказав професор Марккула.

“Безпечна та прийнятна для людини взаємодія з пішоходами є великим викликом для розробників автоматизованих транспортних засобів, і краще розуміння того, як поведуться пішоходи, буде ключем до реалізації цього.”

За словами головного автора дослідження доктора Ямі Пекканена, «передбачення рішень пішоходів та невизначеності можна використовувати для оптимізації того, коли та як автомобіль повинен гальмувати та сигналізувати про те, що можна переходити, що збереже час і зусилля для обох».