用仅四个可解释参数量化驾驶员风险感知的个体差异
数值分析
2022-11-22 v1 数值分析
摘要
自动驾驶车辆与人类驾驶车辆混行的局面将持续很长时间。理解驾驶员如何评估驾驶风险并建模其个体差异，对于自动驾驶车辆发展类人化、定制化的行为以赢得人们的信任与接受具有重要意义。然而现实情况是，现有驾驶风险模型均建立在统计层面，且不存在能够准确描述驾驶员间风险感知差异的通用场景驾驶风险度量。我们提出了一种简洁而有效的模型，称为潜在损伤风险（PODAR）模型，它为驾驶风险估计提供了通用且具有物理意义的结构，适用于一般非碰撞与碰撞场景。本文基于一项避障实验的开放数据集，对 PODAR 中包括预测时域、损伤尺度、时间衰减与空间注意力在内的四个物理可解释参数进行标定，进而为每位驾驶员建立个体风险感知模型。结果证明了 PODAR 建模感知驾驶风险个体差异的能力与潜力，为自动驾驶发展类人行为奠定了基础。
引用
@article{arxiv.2211.10907,
title = {Quantifying the Individual Differences of Driver' Risk Perception with Just Four Interpretable Parameters},
author = {Chen Chen and Zhiqian Lan and Guojian Zhan and Yao Lyu and Bingbing Nie and Shengbo Eben Li},
journal= {arXiv preprint arXiv:2211.10907},
year = {2022}
}
备注
14 pages, 9 figures, 1 table