[論文レビュー] Human-like Driving Decision at Unsignalized Intersections Based on Game Theory

Daofei Li, Guanming Liu+1 more|arXiv (Cornell University)|Dec 12, 2021

Autonomous Vehicle Technology and Safety被引用数 4

ひとこと要約

本稿では、信号のない交差点における人間らしい走行意思決定のためのゲーム理論的フレームワークを提案する。衝突リスクを主観的報酬に変換するためのProspect Theoryを用い、ドライバーの加速傾向を確率的にモデル化する。この手法は、2台車両の安全な相互作用において98％の成功率を達成するとともに、速度効率を維持しており、2台および4台車両のシナリオで検証されている。

ABSTRACT

Unsignalized intersection driving is challenging for automated vehicles. For safe and efficient performances, the diverse and dynamic behaviors of interacting vehicles should be considered. Based on a game-theoretic framework, a human-like payoff design methodology is proposed for the automated decision at unsignalized intersections. Prospect Theory is introduced to map the objective collision risk to the subjective driver payoffs, and the driving style can be quantified as a tradeoff between safety and speed. To account for the dynamics of interaction, a probabilistic model is further introduced to describe the acceleration tendency of drivers. Simulation results show that the proposed decision algorithm can describe the dynamic process of two-vehicle interaction in limit cases. Statistics of uniformly-sampled cases simulation indicate that the success rate of safe interaction reaches 98%, while the speed efficiency can also be guaranteed. The proposed approach is further applied and validated in four-vehicle interaction scenarios at a four-arm intersection.

研究の動機と目的

• 信号のない交差点における動的な予測不可能な車両相互作用を伴う、安全かつ効率的な自動走行の課題に対処すること。
• 主観的報酬を用いて安全と速度のトレードオフを定量化することで、人間らしい走行行動をモデル化すること。
• ドライバーの加速傾向の確率的モデルを用いて、動的な相互作用効果を組み込むこと。
• 複雑な4台車両交差シナリオにおいて意思決定フレームワークを検証すること。
• 交通標識のない環境で、高い安全性と効率性を両立させる自動走行意思決定を達成すること。

提案手法

• 信号のない交差点における自動車と人間運転車両の相互作用をモデル化するためのゲーム理論的意思決定フレームワークを設計する。
• 衝突リスクの客観的指標を主観的ドライバー報酬に変換するためにProspect Theoryを適用し、リスク認識と行動的トレードオフを捉える。
• 報酬関数を通じて、安全（低リスク）と速度（高効率）のバランスとして走行スタイルを定量化する。
• 人間ドライバーの相互作用中の確率的加速行動を表現するための確率的モデルを導入する。
• 報酬関数がリスク認識と行動ダイナミクスを統合し、自律走行車両のリアルタイム意思決定を支援する。
• シミュレーションを用いて、2台車両の極限ケースと4台車両の4腕交差シナリオの両方でフレームワークを評価する。

実験結果

リサーチクエスチョン

• RQ1 最小限のインfrastrucureで、自動走行車両が信号のない交差点で人間らしい意思決定をどのように行うことができるか？
• RQ2 安全と速度の現実世界のトレードオフを反映するように、主観的ドライバー報酬をどのようにモデル化できるか？
• RQ3 ドライバー加速傾向の確率的モデルが、相互作用の予測可能性をどのように向上させるか？
• RQ4 提案されたゲーム理論的手法は、複雑なマルチ・ビークル交差シナリオでどのように性能を発揮するか？
• RQ5 この手法は、動的な交通相互作用において、高い安全性と妥当な速度効率を両立できるか？

主な発見

• 提案手法は、一様にサンプリングされたシミュレーションケースにおいて、2台車両の安全な相互作用で98％の成功率を達成した。
• リスク認識に基づく報酬モデルを用いることで、安全性を確保しながら高い速度効率を維持した。
• シミュレーション結果は、2台車両相互作用の極限ケースにおいて安定的で人間らしい行動を示した。
• 4台車両の4腕交差での相互作用にも、本手法は成功裏に一般化され、耐障害性を維持した。
• Prospect Theoryの統合により、意思決定におけるドライバーのリスク認識が正確に再現された。
• ドライバー加速傾向の確率的モデルの統合により、意思決定アルゴリズムの現実性と適応性が向上した。