[論文レビュー] A Game-Theoretic Model of Human Driving and Application to Discretionary Lane-Changes

Je Hong Yoo, Reza Langari|arXiv (Cornell University)|Mar 22, 2020

Traffic control and management参考文献 45被引用数 8

ひとこと要約

本論文は、ドライバーの攻撃的さや不注意さをパラメータ化したスタックルベルクゲーム理論的モデルを提案し、人的な走行における任意のレーン変更をシミュレートする。マイクロシミュレーション内でのユニットテストおよびモンテカルロシミュレーションを通じて、NHTSAの自然的走行データと定性的に整合することを示した—ドライバーの性格に応じた衝突およびニアミスの割合が類似している。これは、人間の行動を模倣する自律走行車両の意思決定に有効であることを検証するものである。

ABSTRACT

In this paper we consider the application of Stackelberg game theory to model discretionary lane-changing in lightly congested highway setting. The fundamental intent of this model, which is parameterized to capture driver disposition (aggressiveness or inattentiveness), is to help with the development of decision-making strategies for autonomous vehicles in ways that are mindful of how human drivers perform the same function on the road (on which have reported elsewhere.) This paper, however, focuses only on the model development and the respective qualitative assessment. This is accomplished in unit test simulations as well as in bulk mode (i.e. using the Monte Carlo methodology), via a limited traffic micro-simulation compared against the NHTSA 100-Car Naturalistic Driving Safety data. In particular, a qualitative comparison shows the relative consistency of the proposed model with human decision-making in terms of producing qualitatively similar proportions of crashes and near crashes as a function of driver inattentiveness (or aggressiveness). While this result by itself does not offer a true quantitative validation of the proposed model, it does demonstrate the utility of the proposed approach in modeling discretionary lane-changing and may therefore be of use in autonomous driving in a manner that is consistent with human decision making on the road.

研究の動機と目的

• 軽度の混雑状態の高速道路環境下における人間ドライバーの任意のレーン変更行動を捉えるゲーム理論的モデルの開発。
• 攻撃的さや不注意さに基づくドライバー行動のパラメータ化により、異なる走行性格を反映する。
• 実世界の人間走行パターンとの定性的整合性を、実証データを用いて評価する。
• 人間と同等のレーン変更戦略をとる自律走行車両の意思決定システムの設計を支援する。

提案手法

• モデルはスタックルベルクゲーム理論を採用し、エゴドライバーをリーダー、周囲の車両をフォロワーとする逐次的意思決定フレームワークを採用する。
• ドライバー性格は、レーン変更意思決定の閾値やリスク許容度に影響を与えるモデルパラメータとして符号化される。
• ユニットテストシミュレーションは、制御された条件下で個々のレーン変更シナリオを評価し、行動論理の妥当性を検証する。
• バルクモードシミュレーションではモンテカルロ法を用いて、多様な走行シナリオにおける結果の統計的分布を生成する。
• 限られた交通マイクロシミュレーションは、ゲーム理論的モデルを合成交通環境に統合し、比較分析を可能にする。
• モデルのパフォーマンスは、NHTSA 100-Car Naturalistic Driving Studyデータと照合し、衝突およびニアミス率を比較することで評価される。

実験結果

リサーチクエスチョン

• RQ1 スタックルベルクゲーム理論は、人間走行における任意のレーン変更をどのようにモデル化できるか？
• RQ2 ドライバー性格の違いに応じて、モデルは人間と同等の衝突およびニアミスの割合をどの程度再現できるか？
• RQ3 パラメータ化されたドライバー特性を持つゲーム理論的モデルは、実世界の自然的走行データと定性的に一貫した行動を生み出せるか？
• RQ4 モデルの構造は、人間の行動に一致する自律走行車両の意思決定システムの開発をどのように支援するか？

主な発見

• ドライバーの不注意さや攻撃的さの異なるレベルにおいて、モデルはNHTSA 100-Car Naturalistic Driving Studyと同様の衝突およびニアミスの割合を示した。
• ユニットテストシミュレーションにより、ゲーム理論的論理が任意のレーン変更シナリオにおける意思決定の順序を正しく捉えていることが確認された。
• モンテカルロシミュレーションにより、繰り返しサンプリングにおいて安定的かつ再現可能な行動パターンが示され、モデルの頑健性が裏付けられた。
• パラメータ化されたモデルはドライバー性格を効果的に区別できており、攻撃的さが高いほど頻繁で危険度の高いレーン変更が発生する傾向が、実世界のトレンドと一致した。
• モデルは自律走行車両システムへの応用の可能性を示しており、人間と同等の意思決定を実現するレーン変更行動を可能にする。