基于有限理性的车辆未受保护左转建模：博弈论视角

车辆决策行为的建模在特定情况下 presents独特挑战，尤其是在交叉口未受保护左转时，人类驾驶员的不确定性尤为突出。在此背景下，连接自动驾驶车辆（Connected Autonomous Vehicle, CAV）技术为有效管理此类交互互动、确保安全与效率提供了可行之路。传统方法往往基于博弈论中完美理性的假设，可能不足以捕捉现实情境的复杂性以及驾驶员决策误差。为填补这一空白，我们提出了一种面向车辆未受保护左转情境的新型决策模型，将博弈论与驾驶员有限理性相结合。该模型以两人常规形式博弈形式构建，通过量化响应均衡（Quantal Response Equilibrium, QRE）求解，较Nash均衡（Nash Equilibrium, NE）模型更细致地刻画了驾驶员的决策过程。结合期望最大化（Expectation-Maximization, EM）算法与基于精确微观车辆轨迹数据训练的精细神经网络，我们优化模型参数，以准确反映驾驶员的交互感知有限理性和驾驶风格。通过全面仿真实验，我们展示了所提出模型在捕捉交互感知的有限理性和玩家间决策倾向方面的有效性。我们的模型在未受保护左转情境中比NE模型更真实且更高效。我们的发现为具有有限理性的车辆决策行为提供了宝贵洞见，从而为开发更稳健、更真实的自动驾驶系统提供了支持。