[논문 리뷰] A Game-Theoretic Model of Human Driving and Application to Discretionary Lane-Changes

Je Hong Yoo, Reza Langari|arXiv (Cornell University)|2020. 03. 22.

Traffic control and management참고 문헌 45인용 수 8

한 줄 요약

이 논문은 운전자의 공격성 또는 무관심 정도에 따라 매개변수화된 스택엘베르크 게임 이론 모델을 제안하여 경미한 혼잡도가 있는 고속도로 환경에서의 자율적인 차선 변경 행동을 시뮬레이션한다. 마이크로시뮬레이션 내에서 유닛 테스트와 몬테카를로 시뮬레이션을 활용하여, NHTSA의 자연주의 주행 데이터와 정성적으로 일치하는 결과를 도출한다. 이는 다양한 운전 성향에 따라 충돌 및 충돌 위험 상황의 비율이 유사하게 나타나며, 자율주행차의 의사결정 시스템이 인간의 행동을 모방하는 데 유용함을 검증한다.

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.

연구 동기 및 목표

• 경미한 혼잡도가 있는 고속도로 조건에서 인간 운전자의 자율적 차선 변경 행동을 포괄하는 게임 이론 모델을 개발하는 것.
• 공격성 또는 무관심 정도에 기반한 매개변수화된 운전 행동을 통해 다양한 운전 성향을 반영하는 것.
• 실제 주행 패턴과의 정성적 일치도를 실증 데이터를 활용해 평가하는 것.
• 인간과 유사한 차선 변경 전략을 구현하는 자율주행차 의사결정 시스템 설계를 지원하는 것.

제안 방법

• 모델은 스택엘베르크 게임 이론을 활용하며, 주행 중인 차량(에고)이 선도자로서, 주변 차량이 따라하는 순차적 의사결정 프레임워크를 적용한다.
• 운전 성향은 차선 변경 의사결정 임계값과 위험 수용 수준에 영향을 주는 모델 매개변수로 표현된다.
• 유닛 테스트 시뮬레이션은 제어된 조건에서 개별 차선 변경 시나리오를 평가하여 행동 논리의 정확성을 검증한다.
• 대량 모드 시뮬레이션은 몬테카를로 방법론을 사용하여 다양한 주행 시나리오에서 결과의 통계적 분포를 생성한다.
• 제한된 교통 마이크로시뮬레이션은 게임 이론 모델을 합성 교통 환경에 통합하여 비교 분석을 수행한다.
• 모델 성능 평가는 NHTSA 100-Car 자연주의 주행 연구 데이터와의 충돌 및 충돌 위험 상황 비율 비교를 통해 평가된다.

실험 결과

연구 질문

• RQ1 스택엘베르크 게임 이론은 인간 주행의 자율적 차선 변경 행동을 어떻게 모델링할 수 있는가?
• RQ2 다양한 운전 성향 조건에서 모델은 인간과 유사한 충돌 및 충돌 위험 상황 비율을 어느 정도 재현하는가?
• RQ3 매개변수화된 운전 특성을 가진 게임 이론 모델은 실제 자연주의 주행 데이터와 정성적으로 일치하는 행동을 생성할 수 있는가?
• RQ4 모델의 구조는 인간 행동과 일치하는 자율주행차 의사결정 시스템 개발을 어떻게 지원하는가?

주요 결과

• 모델은 운전자의 무관심 또는 공격성 수준에 따라 다양한 조건에서 NHTSA 100-Car 자연주의 주행 연구 데이터와 정성적으로 일치하는 충돌 및 충돌 위험 상황 비율을 생성한다.
• 유닛 테스트 시뮬레이션은 게임 이론 논리가 자율적 차선 변경 시나리오에서 의사결정 순서를 정확히 포착하고 있음을 확인한다.
• 몬테카를로 시뮬레이션은 반복적인 샘플링 조건에서도 안정적이고 반복 가능한 행동 패턴을 보이며, 모델의 강건성을 시사한다.
• 매개변수화된 모델은 운전 성향을 효과적으로 구분하며, 공격성이 높을수록 더 자주 위험도가 높은 차선 변경이 발생하는 경향을 실제 트렌드와 유사하게 반영한다.
• 이 모델은 자율주행차 시스템에 활용 가능성이 있으며, 인간과 유사한 의사결정 방식을 통해 차선 변경 동작을 수행할 수 있도록 지원한다.