基于逆资源理性的随机驾驶员行为模型

人类驾驶员在真实交通场景中决策时拥有有限且时变的认知资源，这常导致无法用完美理性假设解释的独特性与随机性行为——该假设是驾驶行为建模中广泛接受的前提，即假定驾驶员在任何情况下都理性决策以最大化自身收益。为明确解决这一缺陷，本研究提出一种新颖的驾驶员行为模型，旨在捕捉真实纵向驾驶场景中人类驾驶员行为的资源理性与随机性。资源理性原理通过将人类内部认知机制建模为受认知资源限制（在驾驶中可表示为有限且时变的预瞄视界）的效用最大化，为更好地理解人类认知过程提供理论框架。我们提出一种基于逆资源理性的随机逆强化学习方法（IRR-SIRL），以从给定的一系列人类演示中学习人类驾驶员的规划视界分布与代价函数。采用带时变视界的非线性模型预测控制（NMPC）利用学习到的驾驶员规划视界与代价函数分布生成驾驶员特定轨迹。仿真实验使用从驾驶员在环驾驶模拟器收集的人类演示进行。结果表明，所提出的基于逆资源理性的随机驾驶员模型能够在多种真实纵向驾驶场景中刻画人类驾驶行为的资源理性与随机性。