[論文レビュー] Gentlemen on the Road: Understanding How Pedestrians Interpret Yielding Behavior of Autonomous Vehicles using Machine Learning

Yoon Kyung Lee, Yong-Eun Rhee+2 more|arXiv (Cornell University)|May 16, 2020

Autonomous Vehicle Technology and Safety参考文献 41被引用数 4

ひとこと要約

本研究は、39名の参加者を対象に仮想現実実験を実施し、自律走行車（AV）の徐行行動と車両サイズが歩行者の信頼および横断行動に与える影響を調査する。機械学習を用いて頭部の向きのパターンを分類した結果、歩行者は非徐行で大型のAVに対して最も注意を払うことが判明し、徐行行動と車両サイズの両方が、認識される安全性や横断意思決定に顕著な影響を与えることが示された。

ABSTRACT

Autonomous vehicles (AVs) can prevent collisions by understanding pedestrian intention. We conducted a virtual reality experiment with 39 participants and measured crossing times (seconds) and head orientation (yaw degrees). We manipulated AV yielding behavior (no-yield, slow-yield, and fast-yield) and the AV size (small, medium, and large). Using machine learning approach, we classified head orientation change of pedestrians by time into 6 clusters of patterns. Results indicate that pedestrian head orientation change was influenced by AV yielding behavior as well as the size of the AV. Participants fixated on the front most of the time even when the car approached near. Participants changed head orientation most frequently when a large size AV did not yield (no-yield). In post-experiment interviews, participants reported that yielding behavior and size affected their decision to cross and perceived safety. For autonomous vehicles to be perceived more safe and trustful, vehicle-specific factors such as size and yielding behavior should be considered in the designing process.

研究の動機と目的

• 歩行者がリアルタイムの相互作用において自律走行車の徐行行動をどのように解釈するかを理解すること。
• AVのサイズ（小、中、大）が歩行者の認識および行動に与える影響を検討すること。
• AVとの遭遇時における頭部向きの追跡を通じて、歩行者の注意のパターンを同定すること。
• 定性的および定量的データを用いて、認識される安全性、徐行行動、および横断意思決定との関係を明らかにすること。
• 車両固有の要因（サイズと徐行行動）が歩行者の信頼と安全性認識をどのように向上させるかを特定し、AV設計に反映すること。

提案手法

• 39名の参加者を対象に、非徐行、ゆっくり徐行、速い徐行という3つの異なる徐行行動を示すAVにさらされる制御された仮想現実実験を実施した。
• 車両サイズを小、中、大の3段階に変化させ、3×3要因計画（サイズ × 徐行行動）を構築した。
• AV接近時の横断時間（秒単位）および頭部向き（ヨー角度）のリアルタイムデータを収集した。
• 機械学習を用いて、時間的経過に伴う頭部向きの変化を6つの明確な行動パターンにクラスタリングした。
• 実験後インタビューを通じて、認識される安全性や横断意思決定に関する定性的な知見を収集した。
• 定量的行動データと定性的フィードバックを統合し、AVの特性が歩行者行動に与える影響を分析した。

実験結果

リサーチクエスチョン

• RQ1 自律走行車の徐行行動（非徐行、ゆっくり徐行、速い徐行）が、歩行者の横断意思決定および注意パターンにどのように影響を与えるか？
• RQ2 自律走行車の物理的サイズ（小、中、大）が、歩行者の安全性の認識や渡りたいという意思にどの程度影響を与えるか？
• RQ3 異なる徐行行動およびサイズの自律走行車に接近する際、歩行者が示す頭部向きの変化のパターンは何か？
• RQ4 歩行者の主観的認識（安全性や信頼）は、横断時間や頭部運動といった客観的行動指標とどの程度相関するか？
• RQ5 車両固有の設計要因（サイズと徐行行動）の中で、自律走行車に対する歩行者の信頼に最も顕著な影響を与えるものは何か？

主な発見

• 歩行者は、車両が近くに接近しても、ほとんどの時間、AVの前面を注視していた。
• 非徐行の大型AVに対して、頭部向きの変化が最も頻繁に観察された。これは、注意が高まり、脅威と認識される可能性を示している。
• 参加者らは、徐行行動とAVサイズの両方が、渡りたいという意思や安全性の認識に顕著な影響を与えたと報告した。
• 機械学習により、頭部向きの変化が6つの明確な時間的クラスタに成功して分類され、AVとの相互作用における動的な注意パターンが明らかになった。
• 速い徐行を行うAVは、高い認識される安全性と関連していた。一方、非徐行の大型AVは、最も慎重で注意を払う歩行者の反応を引き起こした。
• 車両サイズと徐行行動の組み合わせが、単独での要因よりも、歩行者行動により強い影響を与えた。