基于注视数据的比较研究以构建碰撞预判中可信赖的人机协作

具备提前预判碰撞安全功能的车辆能够增强驾驶员避免碰撞的能力。随着行车记录仪已成为几乎所有车辆均可获取的低成本传感器设备，利用行车记录仪进行碰撞预判的深度神经网络正受到越来越多的关注。然而，驾驶员对人工智能（AI）赋能安全功能的信任，建立在其对实现零死亡的安全增强效果的验证之上。本文旨在建立一种利用注视数据及相应度量来评估人类驾驶员碰撞预判能力的方法。我们设计并实施了一项实验室实验，其中使用基于屏幕的眼动仪收集六名志愿者在观看 100 段包含正常和碰撞场景的驾驶视频时的注视数据。实验数据的统计分析表明，在此初步研究中，驾驶员平均可在碰撞发生前 2.61 秒预判到碰撞。驾驶员在碰撞发生前成功预判碰撞的概率为 92.8%。一个最先进的 AI 模型平均比驾驶员早 1.02 秒预判碰撞。研究发现，驾驶视频中涉及碰撞的交通智能体可改变驾驶员的即时注意力水平、平均注意力水平及空间注意力分布。这一发现支持为 AI 模型开发时空注意力机制以增强其碰撞预判能力。比较结果还建议发展协作智能，将人类保留在 AI 模型的回路中，以进一步增强 AI 赋能安全功能的可靠性。