条件自动驾驶中驾驶员接管时间预测
机器学习
2021-07-21 v1 人机交互
机器人学
摘要
在条件自动驾驶中确保安全的接管过渡极为重要。量化安全接管过渡的关键因素之一是接管时间。先前研究已识别诸多因素对接管时间的影响，如接管前置时间、非驾驶任务、接管请求（TORs）的模态以及场景紧急程度。然而，缺乏同时考虑这些因素来预测接管时间的研究。为此，我们使用 eXtreme Gradient Boosting (XGBoost) 基于一项元分析研究 [1] 的数据集预测接管时间。此外，我们使用 SHAP（SHapley Additive exPlanation）分析并解释预测变量对接管时间的影响。我们识别出七个最关键且带来最佳预测性能的预测变量，并考察了它们对接管时间的主效应与交互效应。结果表明，所提方法兼具良好性能与可解释性。我们的发现对车载监控与警报系统的设计具有启示意义，以促进驾驶员与自动驾驶车辆之间的交互。
引用
@article{arxiv.2107.09545,
title = {Predicting Driver Takeover Time in Conditionally Automated Driving},
author = {Jackie Ayoub and Na Du and X. Jessie Yang and Feng Zhou},
journal= {arXiv preprint arXiv:2107.09545},
year = {2021}
}