來自TU Delft的研究人員現在已經開發出一種新模型，該模型基于一個基本的“人為”原則描述駕駛行為：將風險控制在閾值以下。該模型可以在各種駕駛任務中準確預測人的行為。隨著時間的流逝，該模型可以用于智能汽車中，從而使它們的感覺不再那么“機器人化”。由博士候選人Sarvesh Kolekar及其主管Joost de Winter和David Abbink進行的研究將于2020年9月29日星期二在《自然通訊》上發表。

通常使用預測最佳路徑的模型來描述駕駛行為。但這不是人們實際駕駛的方式。認知機器人學系的研究員Sarvesh Kolekar說：“您并不總是使自己的駕駛行為適應一條最佳道路。”“例如，人們不會在車道中間連續行駛：只要他們在可接受的車道限制內，就可以了。”

預測最佳路徑的模型不僅在研究中很流行，而且在車輛應用中也很流行。``目前的智能汽車駕駛非常整齊。他們不斷地尋找最安全的路徑：即以適當速度的一條路徑。這就導致了“機器人式”的駕駛風格。為了更好地理解人類駕駛行為，我們試圖開發一種新模型，將人類危險閾值作為基本原理。

為了掌握這一概念，Kolekar引入了所謂的駕駛員風險場（DRF）。這是汽車周圍不斷變化的二維場，它指示駕駛員認為在每個點處的風險有多高。Kolekar在先前的研究中設計了這些風險評估。然后在DRF中考慮所討論風險后果的嚴重性。例如，在道路邊界的一側有懸崖比放草要危險得多。``DRF的靈感來自心理學的概念，該概念是很久以前（由Gibson和Crooks于1938年提出）的。這些作者聲稱，汽車駕駛員“感覺”了他們周圍的風險領域，并根據這些看法進行了交通操作?！盞olekar設法將這一理論轉化為計算機算法。

然后，Kolekar在七個場景中對模型進行了測試，包括超車和避免障礙。``我們將模型所做的預測與文獻中有關人類駕駛行為的實驗數據進行了比較。幸運的是，已經有很多信息可用。事實證明，我們的模型僅需要少量數據即可“獲取”潛在的人類駕駛行為，甚至可以預測在以前看不見的情況下的合理人類行為。因此，駕駛行為或多或少會自動產生。這是“緊急事件”。

責任編輯：lq