与连续交通互动中的行人过马路决策解构：一个拟人化模型
摘要：道路认知基于与自动化车辆（AVs）进行安全舒适的互动，可以有助于提高其社会接受度和规模。因此，越来越多的关注点集中在计算行人行为模型上。然而，极少有研究对基于特定行为机制的行人过街行为进行表征，因为支撑行人道路行为的机制尚不清楚。本文重新解释了行人过街行为，基于非受控路口连续交通下的分解式过街决策过程。值得注意的是，我们解释和建模了行人在等待过街机会时的行为，通过比较周围接近车辆的视觉碰撞风险来优化过街决策。我们提出了一种基于碰撞风险的过街决策模型，以描述行人过街决策的时间动态性质。我们建立了一个仿真工具，通过采用所提出的模型和社会力模型来重现行人行为。我们采集了在基于CAVE的身临其境行人模拟器中的两个数据集，用于校准和验证模型。该模型能够很好地预测在各种交通场景下的行人过街决策。特别是通过考虑行人比较周围交通间隙的碰撞风险的决策策略，模型性能得到了显著改善。此外，基于碰撞风险的过街决策模型准确捕捉到了每一间隙内行人过街开始的时机。本研究简明地展示了行人如何根据感知到的碰撞风险来动态调整他们在连续交通中的过街行为，这可能为建模人机交互或在虚拟AVs测试平台中实现类似于人类的行人道路行为提供了洞见。
作者：Kai Tian, Gustav Markkula, Chongfeng Wei, Yee Mun Lee, Ruth Madigan, Toshiya Hirose, Natasha Merat and Richard Romano
论文ID：2301.10419
分类：Applications
分类简称：stat.AP
提交时间：2023-01-26