代尔夫特理工大学的科学家们开发了一种新的模型，可以更好地描述人类在驶入高速公路时的行为。博士后研究员Olger Siebinga说，目前的模型通常假设驾驶员不断尝试优化他们的行为，以尽可能快速安全地到达目的地，但事实并非总是如此。新模型可以更深入地了解高速公路上的人类互动，并可用于改进自动驾驶汽车。研究结果发表在 PNAS Nexus 上。 对许多司机来说，并入高速公路是家常便饭，很少考虑其中涉及的诸多因素。 但是，只有当你尝试在计算机模型中模拟这种行为时，你才会意识到并线实际上是多么复杂。 但实际上，人们在大多数情况下的行为是不同的驾驶员并不一定想争第一，而是优先考虑一个共同的目标：避免碰撞。
简化并线场景
研究人员提出了一个基于风险感知和交流的全新互动模型。 这是第一个从多个层面解释人类互动的模型：从控制输入（例如人们如何加速）到驾驶员与其他车辆保持距离的安全系数，再到谁先行的最终决定。 该模型的框架来自于 Siebinga 早前的一项实验，在该实验中，两名受试者同时参与了一个简化的并线场景。 他们只能加速或刹车，并被一堵墙隔开，因此他们的行为只能以电脑屏幕上看到的情况为基础。 他们将另一辆车的速度理解为交流，从而建立起对情况的认识，并据此估计风险。 如果感知到的风险过高，驾驶员就会改变自己的行为，例如加速或刹车，以达到安全的结果。
了解人类行为
建模能让我们更好地了解人类行为，如果我们学会更好地了解我们做出决定的基础是什么，我们就能设计出更好的系统，让自动驾驶汽车以我们认为社会可以接受的方式运行。 事实上，这是自动驾驶汽车面临的最大挑战之一： 我们如何确保普通驾驶员理解并信任自动驾驶汽车？ Siebinga 的新模型有助于为安全、可接受的自动驾驶汽车奠定基础。 目前，他正致力于将这一模型扩展到转向领域。
原文链接: Olger Siebinga et al, A model of dyadic merging interactions explains human drivers' behavior from control inputs to decisions, PNAS Nexus (2024). DOI: 10.1093/pnasnexus/pgae420
