[論文レビュー] Modeling and Prediction of Human Driver Behavior: A Survey.

Kyle Brown, Katherine Driggs-Campbell+1 more|arXiv (Cornell University)|Jun 15, 2020

Autonomous Vehicle Technology and Safety被引用数 18

ひとこと要約

本論文は、部分的に観測可能な確率的ゲーム（POSG）フレームワークを用いて、状態推定、意思決定推定、特性モデリング、運動予測といったコアタスクを統一的かつ比較可能な形で統合する200のドライバー行動モデルの包括的サーベイと分類体系を提示する。主な貢献は、タスクと手法的属性に基づくモデルの構造的分類であり、自動運転研究における理解と比較の明確化を可能にする。

ABSTRACT

We present a review and taxonomy of 200 models from the literature on driver behavior modeling. We begin by introducing a mathematical formulation based on the partially observable stochastic game, which serves as a common framework for comparing and contrasting different driver models. Our taxonomy is constructed around the core modeling tasks of state estimation, intention estimation, trait estimation, and motion prediction, and also discusses the auxiliary tasks of risk estimation, anomaly detection, behavior imitation and microscopic traffic simulation. Existing driver models are categorized based on the specific tasks they address and key attributes of their approach.

研究の動機と目的

• ドライバー行動モデリング分野における複雑化と断片化の増大に応じ、比較のための統一的フレームワークを提供すること。
• 状態推定、意思決定推定、特性モデリング、運動予測を含む、ドライバー行動研究におけるコアモデリングタスクを特定・分類すること。
• 200の既存モデルにおける手法的多様性を分析し、タスク焦点と主な属性に基づいて分類すること。
• リスク推定、異常検出、行動模倣、マイクロスコピック交通シミュレーションといった補助的タスクの役割を明確化し、今後の研究を支援すること。
• 自動車の自律運転システムにおけるドライバー行動モデルの体系的開発と評価の基盤を確立すること。

提案手法

• 著者らは、ドライバー行動モデリングのための共通の理論的フレームワークとして、部分的に観測可能な確率的ゲーム（POSG）に基づく数学的定式化を構築する。
• 4つのコアモデリングタスク（状態推定、意思決定推定、特性推定、運動予測）を核とする分類体系を定義する。
• モデルは主なタスク焦点と、データソース、推論手法、モデリング仮定といった主要な手法的属性に基づいて分類される。
• リスク推定、異常検出、行動模倣、マイクロスコピック交通シミュレーションといった補助的タスクが、全体のフレームワークに統合される。
• 分類体系により、異なる研究分野や応用分野におけるモデルの体系的比較と対比が可能になる。

実験結果

リサーチクエスチョン

• RQ1 文献に登場する多様なドライバー行動モデルを比較するための統一的フレームワークをどのように構築できるか？
• RQ2 ドライバー行動モデルの範囲と機能を規定する主なモデリングタスクは何か？
• RQ3 異なるモデルは、状態、意思決定、特性推定のアプローチでどのように異なるか？
• RQ4 リスク推定や異常検出といった補助的タスクは、包括的なドライバー行動モデリングにおいて果たす役割は何か？
• RQ5 分類体系は、自律走行システム向けにより正確で相互運用性のあるモデルの開発をどのように支援できるか？

主な発見

• 部分的に観測可能な確率的ゲーム（POSG）フレームワークは、多様なドライバー行動モデルを共通の数学的構造に統合することに成功した。
• 文献で同定された4つの主要なコアモデリングタスクは、状態推定、意思決定推定、特性推定、運動予測である。
• 多くのモデルが運動予測に焦点を当てており、特に確率的または深層学習手法を用いて軌道を予測する傾向にある。
• リスク推定や異常検出といった補助的タスクは、特に安全が求められる応用分野において、ますますモデルに統合されている。
• 分類体系により、タスク焦点、データモダリティ、推論手法に基づいてモデルを明確に区別できるようになり、モデル選定とシステム設計の質が向上した。
• サーベイにより、手法の多様性が明らかになったが、特定の主流アプローチは存在せず、標準化された評価ベンチマークの整備が急務であることが示された。