Zelfrijdende auto’s mensvriendelijk maken

Geautomatiseerde voertuigen kunnen voetgangersvriendelijker worden gemaakt dankzij nieuw onderzoek dat hen zou kunnen helpen voorspellen wanneer mensen zullen oversteken.

Door de Universiteit van Leeds geleide wetenschappers die onderzoeken hoe menselijk gedrag in het verkeer beter kan worden begrepen, zeggen dat neurowetenschappelijke theorieën over hoe de hersenen beslissingen nemen, kunnen worden gebruikt in geautomatiseerde voertuigtechnologie om de veiligheid te verbeteren en ze mensvriendelijker te maken.

De onderzoekers wilden bepalen of een besluitvormingsmodel, driftdiffusie genaamd, zou kunnen voorspellen wanneer voetgangers een weg zouden oversteken voor naderende auto’s, en of het zou kunnen worden gebruikt in scenario’s waarin de auto voorrang geeft aan de voetganger, met of zonder expliciete signalen. Dankzij dit voorspellingsvermogen kan het autonome voertuig effectiever communiceren met voetgangers, wat betreft zijn bewegingen in het verkeer en eventuele externe signalen zoals zwaailichten, om de verkeersstroom te maximaliseren en de onzekerheid te verminderen.

Drift-diffusiemodellen gaan ervan uit dat mensen beslissingen nemen na accumulatie van zintuiglijk bewijs tot een drempel waarop de beslissing wordt genomen.

Professor Gustav Markkula, van het Institute for Transport Studies van de Universiteit van Leeds en de senior auteur van de studie, zei: “Bij het nemen van de beslissing om over te steken, lijken voetgangers veel verschillende bronnen van bewijs op te tellen, niet alleen met betrekking tot de afstand en snelheid van het voertuig, maar ook het gebruik van communicatieve signalen van het voertuig in termen van vertraging en koplampflitsen.

“Wanneer een voertuig voorrang geeft, voelen voetgangers zich vaak vrij onzeker of de auto daadwerkelijk meegeeft, en zullen ze vaak wachten tot de auto bijna volledig tot stilstand is gekomen voordat ze beginnen over te steken. Ons model toont duidelijk deze staat van onzekerheid bevestigd, wat betekent dat het kan worden gebruikt om te helpen ontwerpen hoe geautomatiseerde voertuigen zich rond voetgangers gedragen om onzekerheid te beperken, wat op zijn beurt zowel de verkeersveiligheid als de doorstroming kan verbeteren.

“Het is opwindend om te zien dat deze theorieën uit de cognitieve neurowetenschap in dit soort real-world context kunnen worden gebracht en een toegepast gebruik kunnen vinden.”

Om hun model te testen, gebruikte het team virtual reality om proefdeelnemers in verschillende wegoversteekscenario’s te plaatsen in de unieke HIKER (Highly Immersive Kinematic Experimental Research) voetgangerssimulator van de University of Leeds. De bewegingen van de deelnemers aan de studie werden tot in detail gevolgd terwijl ze vrij rondliepen in een stereoscopische virtuele 3D-scène, die een weg met tegemoetkomende voertuigen liet zien. De taak van de deelnemers was om de weg over te steken zodra ze zich veilig voelden.

Verschillende scenario’s werden getest, waarbij het naderende voertuig dezelfde snelheid aanhield of afremde om de voetganger te laten oversteken, waarbij soms ook de koplampen flitsten, wat een veelgebruikt signaal is om intenties in het VK op te geven.

Zoals voorspeld door hun model, ontdekten de onderzoekers dat deelnemers zich gedroegen alsof ze beslisten wanneer ze zouden oversteken door in de loop van de tijd de sensorische gegevens van voertuigafstand, snelheid, acceleratie en communicatieve signalen op te tellen. Dit betekende dat hun driftdiffusiemodel kon voorspellen of, en wanneer, voetgangers waarschijnlijk zouden gaan oversteken.

Professor Markkula zei: “Deze bevindingen kunnen helpen om menselijk gedrag in het verkeer beter te begrijpen, wat nodig is om zowel de verkeersveiligheid te verbeteren als om geautomatiseerde voertuigen te ontwikkelen die naast menselijke weggebruikers kunnen bestaan.

“Veilige en voor mensen acceptabele interactie met voetgangers is een grote uitdaging voor ontwikkelaars van geautomatiseerde voertuigen, en een beter begrip van hoe voetgangers zich gedragen, zal de sleutel zijn om dit mogelijk te maken.”

Hoofdauteur Dr. Jami Pekkanen, die het onderzoek uitvoerde aan de Universiteit van Leeds, zei: “Het voorspellen van beslissingen en onzekerheid van voetgangers kan worden gebruikt om te optimaliseren wanneer en hoe het voertuig moet vertragen en een signaal te geven om te communiceren dat het veilig is om over te steken. , wat voor beide tijd en moeite bespaart.”

Het artikel, “Variabele driftdiffusiemodellen van beslissingen over het oversteken van voetgangers”, is gepubliceerd in: Computationeel brein en gedrag op 5 oktober 2021.