自动驾驶与人类驾驶车辆在环岛中的交互：定量与定性评估
人工智能
2024-02-27 v2 机器学习
机器人学
摘要
在不断演进的交通环境中优化交通动态至关重要，尤其在具有不同自主水平的自动驾驶车辆（AVs）与人类驾驶汽车共存的情形下。尽管针对此类场景优化强化学习（RL）策略已愈发常见，但对于此类训练策略的现实评估却鲜有论述。本文评估了环岛场景中人类驾驶员间 AVs 渗透的影响，兼顾定量与定性方面。具体而言，我们学习一种策略以最小化交通拥堵（即最小化穿越场景所需时间）并最小化意大利米兰一处环岛的污染。通过实证分析，我们表明 AVs 的存在可降低时间与污染水平。此外，我们使用尖端驾驶舱对所学策略进行定性评估，以在近真实世界条件下检验其表现。为衡量该策略的实用性与可接受性，我们利用模拟器对人类参与者进行评估，聚焦于交通平顺性与安全感知等一系列指标。总体而言，我们的发现表明人类驾驶车辆受益于 AVs 动态的优化。并且，研究参与者强调，含 80% AVs 的场景比含 20% 的场景感知上更安全。交通平顺性感知亦得出相同结果。
引用
@article{arxiv.2309.08254,
title = {Autonomous and Human-Driven Vehicles Interacting in a Roundabout: A Quantitative and Qualitative Evaluation},
author = {Laura Ferrarotti and Massimiliano Luca and Gabriele Santin and Giorgio Previati and Gianpiero Mastinu and Massimiliano Gobbi and Elena Campi and Lorenzo Uccello and Antonino Albanese and Praveen Zalaya and Alessandro Roccasalva and Bruno Lepri},
journal= {arXiv preprint arXiv:2309.08254},
year = {2024}
}