[论文解读] Gentlemen on the Road: Understanding How Pedestrians Interpret Yielding Behavior of Autonomous Vehicles using Machine Learning

Yoon Kyung Lee, Yong-Eun Rhee+2 more|arXiv (Cornell University)|May 16, 2020

Autonomous Vehicle Technology and Safety参考文献 41被引用 4

一句话总结

本研究通过一项包含39名参与者的虚拟现实实验，调查了自动驾驶汽车（AV）的让行行为和尺寸对行人信任度及过街行为的影响。通过应用机器学习对头部朝向模式进行分类，研究发现行人对不主动让行的大型AV最为关注，且让行行为与车辆尺寸均显著影响行人对安全性的感知及过街决策。

ABSTRACT

Autonomous vehicles (AVs) can prevent collisions by understanding pedestrian intention. We conducted a virtual reality experiment with 39 participants and measured crossing times (seconds) and head orientation (yaw degrees). We manipulated AV yielding behavior (no-yield, slow-yield, and fast-yield) and the AV size (small, medium, and large). Using machine learning approach, we classified head orientation change of pedestrians by time into 6 clusters of patterns. Results indicate that pedestrian head orientation change was influenced by AV yielding behavior as well as the size of the AV. Participants fixated on the front most of the time even when the car approached near. Participants changed head orientation most frequently when a large size AV did not yield (no-yield). In post-experiment interviews, participants reported that yielding behavior and size affected their decision to cross and perceived safety. For autonomous vehicles to be perceived more safe and trustful, vehicle-specific factors such as size and yielding behavior should be considered in the designing process.

研究动机与目标

• 理解行人在实时互动中如何解读自动驾驶汽车的让行行为。
• 考察自动驾驶汽车尺寸（小型、中型、大型）对行人感知与行为的影响。
• 通过过街过程中头部朝向追踪，识别行人的注意力模式。
• 结合定性与定量数据，探究感知安全性、让行行为与过街决策之间的关系。
• 通过识别可增强信任与安全感知的车辆特定因素，为自动驾驶汽车设计提供依据。

提出的方法

• 在39名参与者中开展受控的虚拟现实实验，实验中呈现三种让行行为的自动驾驶汽车：不主动让行、慢速让行、快速让行。
• 在三个层级上改变自动驾驶汽车的尺寸：小型、中型和大型，形成3×3的实验设计（尺寸 × 让行行为）。
• 收集自动驾驶汽车接近过程中过街时间（单位：秒）和头部朝向（偏航角度，单位：度）的实时数据。
• 应用机器学习将头部朝向变化聚类为六个随时间变化的显著行为模式。
• 通过实验后访谈收集关于感知安全性和过街决策的定性见解。
• 结合定量行为数据与定性反馈，分析自动驾驶汽车特性对行人行为的影响。

实验结果

研究问题

• RQ1 自动驾驶汽车的让行行为（不主动让行、慢速让行、快速让行）在多大程度上影响行人的过街决策与注意力模式？
• RQ2 自动驾驶汽车的物理尺寸（小型、中型、大型）在多大程度上影响行人对安全性的感知及过街意愿？
• RQ3 当面对具有不同让行行为和尺寸的自动驾驶汽车时，行人在头部朝向变化方面表现出何种模式？
• RQ4 行人的主观安全感知与信任度在多大程度上与过街时间、头部运动等客观行为指标相关？
• RQ5 哪些车辆特定设计因素（尺寸与让行行为）对行人对自动驾驶汽车的信任度影响最为显著？

主要发现

• 即使车辆靠近，行人在绝大多数时间内仍注视自动驾驶汽车的前部。
• 当大型自动驾驶汽车不主动让行时，头部朝向变化的频率最高，表明注意力高度集中，可能存在威胁感知。
• 参与者报告称，让行行为与自动驾驶汽车尺寸均显著影响其过街决策与安全感知。
• 机器学习成功将头部朝向变化分类为六个不同的时间聚类，揭示了自动驾驶汽车互动过程中的动态注意力模式。
• 快速让行的自动驾驶汽车与更高的安全感知相关，而未让行的大型自动驾驶汽车则引发行人最谨慎和专注的反应。
• 车辆尺寸与让行行为的组合对行人行为的影响强于单一因素的影响。