[論文レビュー] Safe, efficient and socially-compatible decision of automated vehicles: a case study of unsignalized intersection driving

Daofei Li, Ao Liu+2 more|arXiv (Cornell University)|Nov 4, 2021

Autonomous Vehicle Technology and Safety被引用数 4

ひとこと要約

本稿では、自動運転車（AV）が信号のない交差点を安全かつ効率的に通行する際、人間が運転するトラックとの相互作用においても社会的規範を尊重できるようにする、ゲーム理論的意思決定アルゴリズムを提案する。トラック運転手の視界の制限をモデル化し、報酬設計に社会的適合性と相互的利他主義を組み込むことで、24名の被験者と207件の相互作用を含む人間を含むループ実験において、安全性、効率性、および人間ドライバーの期待に優れた結果が得られた。

ABSTRACT

Safe and smooth interacting with other vehicles is one of the ultimate goals of driving automation. However, recent reports of demonstrative deployments of automated vehicles (AVs) indicate that AVs are still difficult to meet the expectation of other interacting drivers, which leads to several AV accidents involving human-driven vehicles (HVs). This is most likely due to the lack of understanding about the dynamic interaction process, especially about the human drivers. By investigating the causes of 4,300 video clips of traffic accidents, we find that the limited dynamic visual field of drivers is one leading factor in inter-vehicle interaction accidents, especially in those involving trucks. A game-theoretic decision algorithm considering social compatibility is proposed to handle the interaction with a human-driven truck at an unsignalized intersection. Starting from a probabilistic model for the visual field characteristics of truck drivers, social fitness and reciprocal altruism in the decision are incorporated in the game payoff design. Human-in-the-loop experiments are carried out, in which 24 subjects are invited to drive and interact with AVs deployed with the proposed algorithm and two comparison algorithms. Totally 207 cases of intersection interactions are obtained and analyzed, which shows that the proposed decision-making algorithm can not only improve both safety and time efficiency, but also make AV decisions more in line with the expectation of interacting human drivers. These findings can help inform the design of automated driving decision algorithms, to ensure that AVs can be safely and efficiently integrated into the human-dominated traffic.

研究の動機と目的

• 信号のない交差点での相互作用において、AVが人間ドライバーの期待に応えられない問題に対処すること。
• 特にAVを含む事故に寄与する、トラック運転手の視界の制限がどのように影響するかを調査すること。
• 安全性、効率性、社会的適合性を向上させる意思決定アルゴリズムを設計すること。
• 社会的適合性と相互的利他主義を組み込むことで、AV行動に対する人間ドライバーの認識がどのように改善されるかを評価すること。
• 実際のドライバーがAVと相互作用する人間を含むループ実験を通じて、実証的妥当性を提供すること。

提案手法

• 交差点での相互作用中にトラック運転手の動的視界制限を表現する確率的モデルが開発された。
• AVの意思決定が社会的適合性を考慮するゲーム理論的フレームワークが設計され、報酬関数に社会的適合性と相互的利他主義を統合した。
• リアルタイムでの人間ドライブのトラックの軌道の認識と予測を活用し、戦略的AV意思決定を支援する。
• 報酬設計には、衝突回避という安全性と、譲り合い行動、ターン・バイ・ターンの期待という社会的要因を統合し、AV行動を誘導する。
• 24名の参加者がドライブシミュレータで運転する207件の信号のない交差点での相互作用を模擬した人間を含むループ実験が実施された。
• 安全性、効率性、社会的適合性の指標に基づき、提案アルゴリズム、ベースライン、および保守的アルゴリズムの3つのアルゴリズムを比較した。

実験結果

リサーチクエスチョン

• RQ1 トラック運転手の視界の制限が、信号のない交差点での相互作用において事故にどのように寄与するか？
• RQ2 社会的適合性と相互的利他主義を組み込むことで、人間を含むループ環境におけるAV意思決定がどの程度向上するか？
• RQ3 ゲーム理論的AV意思決定アルゴリズムは、人間ドライバーの期待に適合しながら、安全性と効率性をより良く達成できるか？
• RQ4 人間ドライバーは、社会的適合性を反映するAV行動と、純粋に安全性や効率性に基づく戦略に対して、どのように認識し、反応するか？
• RQ5 視界モデル化が、複雑な交差点シナリオにおけるAV意思決定性能に与える相対的影響は何か？

主な発見

• 提案されたアルゴリズムは、信号のない交差点での相互作用において、衝突リスクを顕著に低減させ、安全性が向上した。
• ベースラインおよび保守的アルゴリズムと比較して、時間的な効率性が向上し、意思決定がより速く、予測可能になった。
• 人間ドライバーは、社会的適合性が組み込まれたAV行動に対して、高い受容性と自然さの認識を示した。
• 特に交差点でのターン・バイ・ターンや譲り合い行動において、人間の期待に適合する点で、他の代替手法を上回った。
• 視界モデル化の統合により、人間ドライバーのトラック運転手に関するAVの予測の現実性と正確性が向上した。
• 人間を含むループ実験により、AV-HV相互作用の成功において社会的適合性が重要な要因であることが確認された。