[논문 리뷰] A cognitive process approach to modeling gap acceptance in overtaking

S. Mohammad, Haneen Farah외 1명|arXiv (Cornell University)|2023. 06. 08.

Human-Automation Interaction and SafetyPsychology인용 수 3

한 줄 요약

이 연구는 자동차 차량(AV)이 관여하는 고속 추월 운행 중 인간의 간격 수용을 예측하기 위해 드리프트-디퓨전 모델(DDM) 기반의 인지 과정 모델을 제안한다. 자동차의 초기 속도에 따라 결정 부 bias가 조정되는 방식으로, 이 모델은 역동적인 추월 행동을 정확히 반영하며, DDM이 시간 제약과 높은 위험 요소가 동반된 실시간 인간-AV 상호작용을 효과적으로 시뮬레이션할 수 있음을 보여준다.

ABSTRACT

Driving automation holds significant potential for enhancing traffic safety. However, effectively handling interactions with human drivers in mixed traffic remains a challenging task. Several models exist that attempt to capture human behavior in traffic interactions, often focusing on gap acceptance. However, it is not clear how models of an individual driver's gap acceptance can be translated to dynamic human-AV interactions in the context of high-speed scenarios like overtaking. In this study, we address this issue by employing a cognitive process approach to describe the dynamic interactions by the oncoming vehicle during overtaking maneuvers. Our findings reveal that by incorporating an initial decision-making bias dependent on the initial velocity into existing drift-diffusion models, we can accurately describe the qualitative patterns of overtaking gap acceptance observed previously. Our results demonstrate the potential of the cognitive process approach in modeling human overtaking behavior when the oncoming vehicle is an AV. To this end, this study contributes to the development of effective strategies for ensuring safe and efficient overtaking interactions between human drivers and AVs.

연구 동기 및 목표

• 혼합 교통 환경에서 AV와의 추월 시 인간의 간격 수용에 기여하는 인지 메커니즘을 이해하기 위해.
• 특히 암시적 의사소통이 포함된 주요 상호작용 행동을 규명하여 역동적인 인간-AV 상호작용의 핵심 요소를 밝히기 위해.
• 변화하는 차량 역학을 고려한 동적이고 과정 기반의 추월 의사결정 모델을 개발하기 위해.
• 드리프트-디퓨전 모델 같은 인지 과정 모델이 고속 상황에서 인간의 추월 행동의 정성적 패턴을 얼마나 잘 반영할 수 있는지 평가하기 위해.
• 추월 상황에서 더 안전하고 효율적인 AV 상호작용 전략의 기초를 제공하기 위해.

제안 방법

• 추월 과정 중의 의사결정을 시뮬레이션하기 위해 드리프트-디퓨전 모델(DDM)을 활용한 인지 과정 모델링 접근법을 사용하였다.
• Markkula 등이 제시한 명시적, 암시적, 비의사소통 상호작용의 분류 체계를 활용하여 이전 연구에서 도출된 20개의 추월 하위 작업을 상호작용 행동에 매핑하였다.
• 드리프트 속도 및 결정 경계 함수에 시간 도착 예측(TTA)과 대향 차량까지의 거리 d(t)와 같은 동적 변수를 통합하였다.
• 자신의 차량의 初기 속도에 비례하는 초기 결정 부 bias 를 도입하여 운전자의 사전 예측과 위험 인식을 반영하였다.
• 6종의 DDM 변형(M2, M4, M6)을 평가하고, 정성적 행동 패턴에 대한 적합도를 기반으로 M6를 최적 모델로 선정하였다.
• 실제 데이터를 활용해 모델 매개변수를 校정하였으며, M6는 단순성과 설명력의 균형을 가장 잘 유지하였다 (α = 0.07, β = 0.11, b0 = 2.8, k = 0.02, bz = 0.14, θz = 5.8, θs = 47, µND = 1.0, σND = 0.27).

실험 결과

연구 질문

• RQ1 운동 및 속도와 같은 암시적 의사소통 동역학이 추월 운행 중 간격 수용에 어떤 영향을 미치는가?
• RQ2 드리프트-디퓨전 모델 같은 인지 과정 모델이 고속 추월 상황에서의 역동적 인간-AV 상호작용을 정확히 표현할 수 있는가?
• RQ3 자신의 차량의 초기 속도가 추월 결정에 어떤 역할을 하는가?
• RQ4 어느 DDM 설정이 AV와의 추월에서 인간의 간격 수용 정성적 패턴을 가장 잘 반영하는가?
• RQ5 대향 차량의 행동 변화(예: 가속 또는 감속)가 추월 의사결정 과정에 어떤 영향을 미치는가?

주요 결과

• 초기 자동차 속도에 의존하는 결정 부 bias 와 TTA 및 거리에 의존하는 드리프트 속도를 포함한 M6 모델이 인간의 추월 행동 정성적 패턴을 가장 잘 반영한다.
• 초기 속도를 결정 부 bias 로 통합함으로써 모델 적합도가 크게 향상되었으며, 이는 속도 기반의 운전사 사전 예측이 간격 수용에 영향을 미친다는 것을 시사한다.
• M6 모델에서 결정 경계는 TTA(t)와 d(t) 를 동시에 고려할 때에만 붕괴되며, 이는 시간적 및 공간적 접근성이 추월 결정에 핵심적임을 나타낸다.
• M6는 총 8개의 자유 매개변수로 구성되어 있어 가장 단순한 파arameterization을 유지하면서도 완전한 설명력을 확보하였다.
• 모델의 반응 시간 구조(1–3초)는 실증 관측 결과와 일치하여, 실시간 의사결정을 시뮬레이션하는 데 있어 타당성을 뒷받침한다.
• 이 연구는 DDM이 정적 간격 수용을 넘어서 고속 주행 환경에서 AV와의 동적 상호작용까지 확장 가능함을 확인하였다.