[论文解读] Interpretable Modelling of Driving Behaviors in Interactive Driving Scenarios based on Cumulative Prospect Theory

Liting Sun, Wei Zhan+2 more|arXiv (Cornell University)|Jul 19, 2019

Autonomous Vehicle Technology and Safety参考文献 26被引用 5

一句话总结

本文提出了一种基于CPT的可解释模型，用于建模交互场景中人类驾驶行为，采用分层学习算法从真实驾驶数据中推断效用、价值和决策加权函数。该模型在数据量显著较少的情况下，性能优于时距碰撞模型（TTC），并达到神经网络的性能水平，同时捕捉到诸如损失厌恶和概率加权等非理性行为。

ABSTRACT

Understanding human driving behavior is important for autonomous vehicles. In this paper, we propose an interpretable human behavior model in interactive driving scenarios based on the cumulative prospect theory (CPT). As a non-expected utility theory, CPT can well explain some systematically biased or ``irrational'' behavior/decisions of human that cannot be explained by the expected utility theory. Hence, the goal of this work is to formulate the human drivers' behavior generation model with CPT so that some ``irrational'' behavior or decisions of human can be better captured and predicted. Towards such a goal, we first develop a CPT-driven decision-making model focusing on driving scenarios with two interacting agents. A hierarchical learning algorithm is proposed afterward to learn the utility function, the value function, and the decision weighting function in the CPT model. A case study for roundabout merging is also provided as verification. With real driving data, the prediction performances of three different models are compared: a predefined model based on time-to-collision (TTC), a learning-based model based on neural networks, and the proposed CPT-based model. The results show that the proposed model outperforms the TTC model and achieves similar performance as the learning-based model with much less training data and better interpretability.

研究动机与目标

• 开发一种可解释的人类行为模型，不仅捕捉理性决策，还捕捉系统性偏差（非理性）的驾驶行为。
• 通过引入累积前景理论（CPT）扩展基于效用的建模，超越期望效用理论（EUT），以解释损失厌恶和概率加权等行为偏差。
• 通过结合逆强化学习与非线性逻辑回归的分层学习框架，实现驾驶员行为模型的数据高效学习。
• 利用真实世界中的环岛汇入场景驾驶数据，验证模型的预测准确性和可解释性。

提出的方法

• 为双智能体交互驾驶场景构建基于CPT的决策模型，以累积前景理论替代期望效用，以建模有限理性。
• 开发一种分层学习算法：首先使用逆强化学习估计效用函数，再通过非线性逻辑回归学习价值函数与决策加权函数。
• 采用基于时距碰撞（TTC）、时距交叉口（TTI）和安全裕度的效用函数，以表示驾驶员偏好。
• 采用滑动窗口切片策略，从67对轨迹中生成2680个训练/测试帧，用于模型评估。
• 应用非线性逻辑回归学习决策加权函数，捕捉对低概率事件的高估与对高概率事件的低估。
• 以成功率为主要指标验证模型性能，与预设的TTC模型和深度神经网络（NN）基线进行比较。

实验结果

研究问题

• RQ1 累积前景理论（CPT）能否有效建模交互场景中诸如损失厌恶和概率加权等非理性驾驶行为？
• RQ2 在预测准确性和数据效率方面，CPT模型相较于预设的TTC模型和数据需求量大的神经网络模型，性能如何？
• RQ3 CPT模型的参数在多大程度上可被有意义地解释为人类决策偏差？
• RQ4 分层学习方法能否成功地从未经处理的真实驾驶数据中推断出效用、价值和决策加权函数？

主要发现

• 所提出的CPT模型在预测驾驶员轨迹方面取得了95.45%的成功率，在实验2中优于TTC模型（81.82%），并达到神经网络模型（97%）的性能水平。
• 在实验1中，当在不同轨迹对之间测试泛化能力时，CPT模型显著优于TTC模型，并在数据量远少于神经网络模型的情况下，实现了与之相当的性能。
• 学习到的决策加权函数表现出对低概率事件的高估与对高概率事件的低估，证实模型成功捕捉了行为经济学中一致的关键行为偏差。
• 模型参数（包括α* = 0.9827 和 γ* = 0.6742）具有可解释性，与已知的人类行为模式（如损失厌恶和风险敏感性）一致。
• CPT模型展现出强大的数据效率：仅使用2680帧（来自67对轨迹）即达到高性能，而神经网络模型需更多数据才能有效泛化。
• 分层学习框架成功结合逆强化学习与非线性逻辑回归，从未经处理的真实驾驶数据中学习到CPT模型的所有组成部分。