面向切入场景的自动驾驶乘员感知风险模型及实证评估
机器人学
2024-03-25 v1
摘要
自动驾驶汽车（AV）技术的进步需要对感知风险进行精确估计，以提升用户舒适度、接受度和信任度。本文提出了一种新颖的自动驾驶乘员风险（AVOR）模型，用于在自动驾驶切入场景中估计感知风险。我们开展了一项包含18名参与者的实证研究，采用逼真的切入场景，考察了两个因素：场景风险与场景中交通参与者数量。76%的主观风险响应表明，在切入开始时感知风险会上升。现有的感知风险模型未能捕捉到这一关键现象。我们的AVOR模型在估计切入早期阶段的感知风险方面表现出显著改进，尤其对于高风险场景，建模精度提升高达54%。AVOR模型的概念能够量化其他以动态不确定性为特征的多样化驾驶情境中的感知风险，从而增强自动驾驶系统的可靠性和以人为本的导向。
引用
@article{arxiv.2403.15171,
title = {AV-Occupant Perceived Risk Model for Cut-In Scenarios with Empirical Evaluation},
author = {Sarah Barendswaard and Tong Duy Son},
journal= {arXiv preprint arXiv:2403.15171},
year = {2024}
}