[论文解读] A Game-Theoretic Model of Human Driving and Application to Discretionary Lane-Changes

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

Traffic control and management参考文献 45被引用 8

一句话总结

本文提出一种基于斯塔克尔伯格博弈论的模型，用于模拟轻度拥堵高速公路条件下人类驾驶中的自主变道行为，通过驾驶员激进程度或注意力不集中程度等参数进行参数化。通过在微观仿真中使用单元测试和蒙特卡洛模拟，该模型展示了与NHTSA自然驾驶数据的定性一致性——在不同驾驶员性格特征下产生相似比例的碰撞和近似碰撞事件，验证了其在自动驾驶车辆决策系统中模拟人类行为的实用性。

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.

研究动机与目标

• 开发一种博弈论模型，以捕捉在轻度拥堵高速公路条件下人类驾驶员的自主变道行为。
• 基于激进程度或注意力不集中程度对驾驶员行为进行参数化，以反映不同的驾驶性格特征。
• 利用实证数据评估模型与真实世界人类驾驶模式之间的定性一致性。
• 支持设计能够模拟人类变道策略的自动驾驶车辆决策系统。

提出的方法

• 该模型采用斯塔克尔伯格博弈理论，其中本车驾驶员作为领导者，周围车辆作为跟随者，在顺序决策框架下运作。
• 通过影响变道决策阈值和风险容忍度的模型参数，对驾驶员性格进行编码。
• 通过单元测试仿真，在受控条件下评估单一变道场景，以验证行为逻辑的正确性。
• 批量模式仿真采用蒙特卡洛方法，生成多样化驾驶场景下结果的统计分布。
• 有限规模的交通微观仿真将博弈论模型集成到合成交通环境中，用于对比分析。
• 通过将模型的碰撞和近似碰撞率与NHTSA 100-Car自然驾驶研究数据进行比较，评估模型性能。

实验结果

研究问题

• RQ1 如何将斯塔克尔伯格博弈论应用于建模人类驾驶中的自主变道行为？
• RQ2 在不同驾驶员性格特征下，该模型在多大程度上能再现与人类相似的碰撞和近似碰撞比例？
• RQ3 具有参数化驾驶员特征的博弈论模型能否产生与真实世界自然驾驶数据定性一致的行为？
• RQ4 该模型的结构在多大程度上支持开发与人类行为一致的自动驾驶车辆决策系统？

主要发现

• 该模型在不同驾驶员注意力不集中或激进程度水平下，产生的碰撞和近似碰撞比例与NHTSA 100-Car自然驾驶研究数据具有定性一致性。
• 单元测试仿真证实，博弈论逻辑正确捕捉了自主变道场景中的决策序列。
• 蒙特卡洛仿真表明，在重复抽样下行为模式稳定且可重复，表明模型具有鲁棒性。
• 参数化模型能有效区分不同驾驶员性格特征，激进程度越高，变道频率越高且风险越大，与现实世界趋势一致。
• 该模型在自动驾驶车辆系统中具有应用潜力，可实现与人类一致的变道决策行为。