在自然环境中建模道路用户响应时间：一种基于惊喜的框架
摘要：自然交通冲突中人类响应时间的评估目前没有确定的方法。 基于受控实验的传统观念，如感知-响应时间，未能解释人类响应的情境依赖性，并且并不能在许多常见的交通冲突场景中明确定义刺激。 结果，它们在自然环境中的应用效果不佳。我们的主要贡献是开发出一个新颖的框架，用于测量和建模自然交通冲突中的响应时间，适用于自动驾驶系统以及其他交通安全领域。该框架表明，响应时间必须相对于主体的当前（先前的）信念来理解，总是嵌入在并依赖于动态演化的情境中。响应过程被建模为一个由感知到这种先验信念违反驱动的信念更新过程，即由令人惊讶的刺激驱动。该框架解决了在自然场景中应用传统响应时间概念时存在的两个关键限制：（1）响应时间的强情境依赖性和（2）如何明确定义刺激。解决这些问题是任何旨在应用于自然交通冲突中的响应时间模型所必须解决的挑战。我们展示了如何通过一个相对简单的启发式模型来实现该框架，该模型适用于来自SHRP2数据集的真实碰撞和接近碰撞的自然人类响应数据，并讨论了在原则上如何推广到任何交通冲突场景。我们还讨论了如何基于机器学习增强的证据积累和信息论概念的惊讶，计算地实现响应时间框架。
作者：Johan Engstr"om and Shu-Yuan Liu and Azadeh Dinparastdjadid and Camelia Simoiu
论文ID：2208.08651
分类：Human-Computer Interaction
分类简称：cs.HC
提交时间：2023-07-18