Evaluation of Drivers’ Interaction Ability at Social Scenarios: A Process-Based Framework

要約

ドライバーの対話能力を評価することは、人間の運転行動を理解し、自律走行車の対話能力を高めるために極めて重要である。強い相互作用を伴うシナリオでは、相互作用の結果に焦点を当てた既存の評価指標は、ドライバーの相互作用行動の進化過程を捉えるのに苦労しており、自律走行車が相互作用中に他のエージェントを動的に評価し対応することを困難にしている。この問題に対処するために、我々はドライバーの対話能力を評価するためのフレームワークを提案する：相互作用リスク認知、相互作用プロセスモデリング、相互作用能力スコアリングである。我々は、運動状態推定とリスク場の理論を通じて相互作用リスクを定量化し、ゲーム理論的な合理的エージェントモデルに基づく動的行動評価ベンチマークを導入し、形態学的類似性距離に基づく能力採点指標を設計する。ドライバーの行動と評価ベンチマークとの差異をリアルタイムに計算することにより、ドライバーの対話能力を動的にスコア化する。我々は、典型的なシナリオとして、信号のない交差点で我々のフレームワークを検証した。中国と米国のドライバー行動データセットを用いた検証分析により、我々のフレームワークが、対話中の保守的な運転状態と攻撃的な運転状態を効果的に区別し、評価することが示され、様々な地域環境において優れた適応性と有効性が実証された。

要約(オリジナル)

Assessing drivers’ interaction capabilities is crucial for understanding human driving behavior and enhancing the interactive abilities of autonomous vehicles. In scenarios involving strong interaction, existing metrics focused on interaction outcomes struggle to capture the evolutionary process of drivers’ interactive behaviors, making it challenging for autonomous vehicles to dynamically assess and respond to other agents during interactions. To address this issue, we propose a framework for assessing drivers’ interaction capabilities, oriented towards the interactive process itself, which includes three components: Interaction Risk Perception, Interaction Process Modeling, and Interaction Ability Scoring. We quantify interaction risks through motion state estimation and risk field theory, followed by introducing a dynamic action assessment benchmark based on a game-theoretical rational agent model, and designing a capability scoring metric based on morphological similarity distance. By calculating real-time differences between a driver’s actions and the assessment benchmark, the driver’s interaction capabilities are scored dynamically. We validated our framework at unsignalized intersections as a typical scenario. Validation analysis on driver behavior datasets from China and the USA shows that our framework effectively distinguishes and evaluates conservative and aggressive driving states during interactions, demonstrating good adaptability and effectiveness in various regional settings.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL