[논문 리뷰] Safe, efficient and socially-compatible decision of automated vehicles: a case study of unsignalized intersection driving

Daofei Li, Ao Liu외 2명|arXiv (Cornell University)|2021. 11. 04.

Autonomous Vehicle Technology and Safety인용 수 4

한 줄 요약

이 논문은 자율주행차(AV)가 신호등이 없는 교차로에서 인간 운전하는 트럭과의 상호작용 시 사회적 규범을 존중하면서 안전하고 효율적으로 주행할 수 있도록 게임 이론 기반의 의사결정 알고리즘을 제안한다. 트럭 운전사의 제한된 시야 범위를 모델링하고, 보상 설계에 사회적 적합성과 상호 이타주의를 통합함으로써, 24명의 참가자와 207건의 상호작용 사례를 포함한 인간-중심 실험에서 안전성, 효율성, 인간 운전사의 기대치 향상을 달성한다.

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.

연구 동기 및 목표

• 신호등이 없는 교차로에서 AV가 인간 운전사의 기대에 부응하지 못하는 문제를 해결하기 위해.
• 특히 AV와의 상호작용에서 발생하는 사고 원인으로서 트럭 운전사의 제한된 시야 범위가 미치는 영향을 규명하기 위해.
• 안전성, 효율성, 사회적 호환성을 향상시키는 의사결정 알고리즘을 설계하기 위해.
• 사회적 적합성과 상호 이타주의를 통합함으로써 인간 운전사가 AV 행동을 어떻게 인식하는지 평가하기 위해.
• 실제 운전자가 AV와 상호작용하는 인간-중심 실험을 통해 실증적 검증을 제공하기 위해.

제안 방법

• 교차로 상호작용 중 트럭 운전사의 동적 시야 범위 제한을 표현하기 위해 확률 모델이 개발되었다.
• AV 의사결정이 사회적 호환성을 고려하도록 게임 이론 프레임워크가 설계되었으며, 보상 함수에 사회적 적합성과 상호 이타주의를 통합하였다.
• 실시간으로 인간 운전 트럭의 궤적을 인식하고 예측함으로써 전략적 AV 의사결정을 지원하는 알고리즘이 구현되었다.
• 보상 설계는 안전성(충돌 회피)과 사회적 요소(양보 행동, 교통 터닝 기대)를 모두 통합하여 AV 행동을 이끌었다.
• 운전 시뮬레이터를 사용해 24명의 참가자가 참여한 207건의 신호등이 없는 교차로 상호작용을 시뮬레이션한 인간-중심 실험을 실시하였다.
• 제안된 알고리즘, 베이스라인 알고리즘, 보수적 알고리즘의 세 가지 알고리즘을 비교하여 안전성, 효율성, 사회적 호환성 지표에서 성능을 평가하였다.

실험 결과

연구 질문

• RQ1 트럭 운전사의 제한된 시야 범위가 신호등이 없는 교차로 상호작용 중 사고 발생에 어떤 기여를 하는가?
• RQ2 사회적 적합성과 상호 이타주의를 통합함으로써 인간-중심 환경에서 AV 의사결정이 얼마나 향상되는가?
• RQ3 게임 이론 기반의 AV 의사결정 알고리즘이 인간 운전사의 기대에 부합하면서도 더 높은 안전성과 효율성을 달성할 수 있는가?
• RQ4 인간 운전사는 사회적 호환성을 반영한 AV 행동과 순수하게 안전성 또는 효율성 중심의 전략에 대해 어떻게 인지하고 반응하는가?
• RQ5 복잡한 교차로 상황에서 시야 범위 모델링이 AV 의사결정 성능에 미치는 상대적 영향은 어떠한가?

주요 결과

• 제안된 알고리즘이 신호등이 없는 교차로 상호작용 중 충돌 위험을 크게 감소시켜 안전성을 향상시켰다.
• 기본 및 보수적 알고리즘 대비 시간 효율성이 향상되어 더 빠르고 예측 가능한 의사결정을 내렸다.
• 사회적 호환성이 통합된 경우 인간 운전사들이 AV 행동을 더 높은 수준으로 수용하고 더 자연스럽다고 인식했다.
• 특히 교차로에서의 터닝 기대 및 양보 행동에서 인간 기대에 더 잘 부합하는 것으로 평가되었다.
• 시야 범위 모델링 통합으로 인간 트럭 운전사에 대한 AV 예측의 현실성과 정확성이 향상되었다.
• 인간-중심 실험을 통해 사회적 호환성이 AV-HV 상호작용 성공에 핵심 요소임을 확인하였다.