[논문 리뷰] Human-like Driving Decision at Unsignalized Intersections Based on Game Theory

Daofei Li, Guanming Liu외 1명|arXiv (Cornell University)|2021. 12. 12.

Autonomous Vehicle Technology and Safety인용 수 4

한 줄 요약

이 논문은 보조 신호가 없는 교차로에서 인간과 유사한 주행 결정을 내리기 위한 게임 이론적 프레임워크를 제안한다. 충돌 위험을 주관적 수익으로 변환하기 위해 프로스펙트 이론을 사용하고, 운전사의 가속 경향성을 확률적으로 모델링한다. 이 방법은 안전한 두 대의 차량 간 상호작용에서 98%의 성공률을 달성하면서도 속도 효율성도 유지하며, 두 대와 네 대의 차량 시나리오에서 모두 검증되었다.

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.

연구 동기 및 목표

• 동적이고 예측 불가능한 차량 상호작용이 있는 보조 신호가 없는 교차로에서 안전하고 효율적인 자율 주행을 해결하기 위해.
• 주관적 수익을 통해 안전성과 속도 사이의 트레이드오프를 정량화하여 인간과 유사한 주행 행동을 모델링하기 위해.
• 운전사의 가속 경향성에 대한 확률 모델을 통해 동적 상호작용 영향을 통합하기 위해.
• 복잡한 네 대의 차량 교차로 시나리오에서 의사결정 프레임워크를 검증하기 위해.
• 보조 신호 없이도 고안정성과 고효율성을 확보하는 자율 주행 의사결정을 달성하기 위해.

제안 방법

• 보조 신호가 없는 교차로에서 자율 주행 차량과 인간 운전 차량 간의 상호작용을 모델링하기 위해 게임 이론적 의사결정 프레임워크를 설계하였다.
• 객관적인 충돌 위험을 주관적 운전자 수익으로 변환하기 위해 프로스펙트 이론을 적용하여 위험 인식과 행동적 트레이드오프를 포착하였다.
• 수익 함수를 통해 안전성(낮은 위험)과 속도(높은 효율성) 사이의 균형으로 주행 스타일을 정량화하였다.
• 상호작용 중 인간 운전사의 확률적 가속 행동을 나타내기 위해 확률 모델을 도입하였다.
• 수익 함수는 위험 인식과 행동 역학을 통합하여 실시간으로 자율 주행 차량의 의사결정을 안내한다.
• 프레임워크는 시뮬레이션을 통해 두 대의 차량 한계 케이스와 네 대의 차량 네 팔 교차로 시나리오에서 평가되었다.

실험 결과

연구 질문

• RQ1 보조 신호가 없는 교차로에서 최소한의 인프라를 사용해 자율 주행 차량이 인간과 유사한 결정을 내릴 수 있는 방법은 무엇인가?
• RQ2 안전성과 속도 사이의 실제 세계의 트레이드오프를 반영하기 위해 주관적 운전자 수익을 어떻게 모델링할 수 있는가?
• RQ3 운전사의 가속 경향성에 대한 확률 모델링이 상호작용 예측 가능성 향상에 어떤 역할을 하는가?
• RQ4 제안된 게임 이론적 접근법은 복잡한 다중 차량 교차로 시나리오에서 어떻게 성능을 발휘하는가?
• RQ5 이 방법은 동적 교통 상호작용에서 높은 안전성과 수용 가능한 속도 효율성을 동시에 달성할 수 있는가?

주요 결과

• 제안된 방법은 균일하게 샘플링된 시뮬레이션 케이스에서 두 대의 차량 간 안전한 상호작용에서 98%의 성공률을 달성하였다.
• 위험 인식 수익 모델링을 통해 안전성을 확보하면서도 높은 속도 효율성을 유지하는 데 성공하였다.
• 시뮬레이션 결과는 두 대의 차량 상호작용 한계 케이스에서 안정적이고 인간과 유사한 행동을 보였다.
• 이 방법은 네 팔 교차로에서 네 대의 차량 상호작용으로도 일반화되어 안정성을 유지하였다.
• 프로스펙트 이론의 통합은 의사결정 과정에서 운전자 위험 인식을 정확하게 표현하는 데 기여하였다.
• 운전사의 가속 경향성에 대한 확률 모델링은 의사결정 알고리즘의 현실성과 적응 가능성 향상에 기여하였다.