[論文レビュー] A cognitive process approach to modeling gap acceptance in overtaking

S. Mohammad, Haneen Farah+1 more|arXiv (Cornell University)|Jun 8, 2023

Human-Automation Interaction and SafetyPsychology被引用数 3

ひとこと要約

本研究は、自動運転車（AV）を含む混在交通状況における高速走行時の追い越し行動における人間のギャップ受容行動を予測するため、ドリフト・ディファージョン・モデル（DDM）に基づく認知プロセスモデルを提案する。初期の意思決定バイアスを自車の初期速度に依存させるように組み込むことで、動的かつ時間的制約のある高リスクな状況下における人間-AV間のリアルタイム相互作用を的確に捉えることができ、DDMがこのような状況下で人間行動の質的パターンを効果的にシミュレートできることを示している。

ABSTRACT

Driving automation holds significant potential for enhancing traffic safety. However, effectively handling interactions with human drivers in mixed traffic remains a challenging task. Several models exist that attempt to capture human behavior in traffic interactions, often focusing on gap acceptance. However, it is not clear how models of an individual driver's gap acceptance can be translated to dynamic human-AV interactions in the context of high-speed scenarios like overtaking. In this study, we address this issue by employing a cognitive process approach to describe the dynamic interactions by the oncoming vehicle during overtaking maneuvers. Our findings reveal that by incorporating an initial decision-making bias dependent on the initial velocity into existing drift-diffusion models, we can accurately describe the qualitative patterns of overtaking gap acceptance observed previously. Our results demonstrate the potential of the cognitive process approach in modeling human overtaking behavior when the oncoming vehicle is an AV. To this end, this study contributes to the development of effective strategies for ensuring safe and efficient overtaking interactions between human drivers and AVs.

研究の動機と目的

• AVを含む混在交通状況における人間の追い越し行動におけるギャップ受容の認知的メカニズムを理解すること。
• 特に暗黙のコミュニケーションが関与する動的かつ人間-AV間の相互作用において、重要な行動的要因を同定すること。
• 変化する車両動態を考慮した動的でプロセスベースの追い越し意思決定モデルを構築すること。
• ドリフト・ディファージョン・モデル（DDM）のような認知プロセスモデルが、高速走行状況下での人間の追い越し行動の質的パターンを的確に捉えられるかどうかを評価すること。
• 追い越し状況におけるより安全で効率的なAV相互作用戦略の基盤を提供すること。

提案手法

• 追い越し行動中の意思決定を模擬するため、ドリフト・ディファージョン・モデル（DDM）を用いた認知プロセスモデリング手法を採用した。
• Markkulaらの分類（明示的、暗黙的、非コミュニケーション的相互作用）を用いて、先行研究の20の追い越しサブタスクを対応づけた。
• ドリフトレートおよび意思決定境界関数に、到着までの時間（TTA）および対向車両までの距離（d(t)）といった動的変数を組み込んだ。
• 自車の初期速度に比例する初期意思決定バイアスを導入し、ドライバーの予測行動とリスク認識を反映させた。
• 6つのDDMバージョン（M2, M4, M6）を評価し、質的行動パターンへの適合性に基づきM6を最適モデルと特定した。
• 実データを用いてモデルパラメータをキャリブレーションした。M6は単純さと説明力の両立が図られ、最も優れたバランスを示した（α = 0.07, β = 0.11, b0 = 2.8, k = 0.02, bz = 0.14, θz = 5.8, θs = 47, µND = 1.0, σND = 0.27）。

実験結果

リサーチクエスチョン

• RQ1 運動や速度といった暗黙のコミュニケーションダイナミクスは、追い越し行動におけるギャップ受容にどのように影響を与えるか？
• RQ2 ドリフト・ディファージョン・モデルのような認知プロセスモデルは、高速走行における人間-AV間の動的相互作用を的確に表現できるか？
• RQ3 自車の初期速度は、追い越し意思決定にどのような役割を果たすか？
• RQ4 どのDDM設定がAVとの追い越し行動における人間のギャップ受容の質的パターンを最もよく捉えているか？
• RQ5 対向車両の行動の動的変化（例：加速または減速）は、追い越し意思決定プロセスにどのように影響を与えるか？

主な発見

• 初期自車速度に依存する意思決定バイアスと、TTAおよび距離に依存するドリフトレートを組み込んだM6モデルが、人間の追い越し行動の質的パターンを最もよく捉えている。
• 初期速度を意思決定バイアスとして組み込むことで、モデルの適合性が著しく向上し、速度に基づくドライバーの予測行動がギャップ受容に影響を与えることが示された。
• M6では、TTA(t)とd(t)の両方が考慮されるまで意思決定境界が収縮しないことから、時間的および空間的接近度が追い越し意思決定において極めて重要であることがわかった。
• M6は、全8つの自由パラメータを有する最簡素なパrameterizationでありながら、完全な説明力を維持している。
• モデルの反応時間構造（1〜3秒）は、実証的観察と整合しており、リアルタイム意思決定のシミュレーションに有効であることを裏付けている。
• 本研究は、DDMが静的ギャップ受容にとどまらず、AVを含む動的かつ高速走行状況下の交通相互作用へと拡張可能であることを確認した。