基于潜在避撞难度（PCAD）的自动驾驶车辆新型计算感知风险模型
人机交互
2023-06-16 v1
摘要
感知风险在设计可信且可接受的车辆自动化系统中至关重要。然而，我们对其动态特性的理解有限，且文献中感知风险动态模型十分匮乏。本研究针对SAE 2级驾驶自动化的驾驶员，提出了一种基于潜在避撞难度（PCAD）的新型计算感知风险模型。PCAD以二维安全速度间隙作为潜在避撞难度，并考虑碰撞严重程度。安全速度间隙定义为当前速度与安全速度区域之间的二维间隙，代表了考虑邻车行为不确定性和本车控制不精确所需的制动与转向量。PCAD可预测连续时间下及单次事件中的感知风险。我们将PCAD模型与三种最先进模型进行比较，并使用两个独特数据集（Dataset Merging与Dataset Obstacle Avoidance）从理论和实证两方面分析这些模型。尽管计算时间较长，PCAD模型在模型误差、检测率以及准确捕捉人类驾驶员感知风险倾向的能力上总体优于其他模型。此外，研究表明感知风险并非静态，而是随周围交通条件变化。本研究增进了我们对自动驾驶中感知风险的理解，并为提升驾驶自动化系统的安全性与接受度铺平了道路。
引用
@article{arxiv.2306.08458,
title = {A new computational perceived risk model for automated vehicles based on potential collision avoidance difficulty (PCAD)},
author = {Xiaolin He and Riender Happee and Meng Wang},
journal= {arXiv preprint arXiv:2306.08458},
year = {2023}
}