社会自适应型自动驾驶车辆：基于驾驶行为的情境驱动对驾驶员体验的影响

社会科学家认为，自动驾驶车辆（AV）需要作为有效的社会代理人行事；它们必须像人类驾驶员一样，隐式地响应其他驾驶员的行为。在本文中，我们研究了基于情境的驾驶行为如何影响人类驾驶员的体验。我们比较了三种算法驾驶模型：一种基于人类驾驶数据训练、对互动作出响应的模型（熟悉的情境行为），以及两种不依赖于互动方式的模型，要么总是让行，要么从不让行（非情境行为）。结果表明，熟悉的情境行为与积极的驾驶员体验之间存在统计学上的显著关系，通过减少压力并促进能缓解驾驶员犹豫的决定性互动，实现积极体验。熟悉情境性与积极体验之间的直接关系表明，自动驾驶车辆应通过基于情境的自适应算法来整合社会熟悉的驾驶模式，以提高在混合人类-AV交通环境中的成功部署和接受程度的机会。