基于潜在碰撞避免困难（PCAD）的自动驾驶车辆的新型计算感知风险模型
摘要：基于潜在的碰撞避免难度（PCAD）的计算感知风险模型对于设计可信赖和可接受的车辆自动化系统至关重要。然而，我们对其动态特性的理解有限，文献中关于感知风险动态模型的研究也很少。本研究基于PCAD提出了一种新的计算感知风险模型，用于SAE二级驾驶自动化系统的司机。PCAD使用二维安全速度间隙作为潜在的碰撞避免难度，同时考虑碰撞严重程度。安全速度间隙定义为当前速度与安全速度区域之间的二维间隙，表示所需制动和转向的量，考虑了周围车辆的行为不确定性和被试车辆的控制不精确性。PCAD可以在连续时间和每个事件的情况下预测感知风险。我们将PCAD模型与三个最先进的模型进行比较，并使用两个独特的数据集（数据集合并和数据集避障）在理论和实证方面对这些模型进行分析。PCAD模型通常在模型误差、检测率和准确捕捉人类驾驶员感知风险趋势的能力方面优于其他模型，尽管计算时间较长。此外，研究还表明，感知风险并不是静态的，而是随着周围交通条件的变化而变化。这项研究推进了我们对自动驾驶中感知风险的理解，并为改进驾驶自动化系统的安全性和可接受性铺平了道路。
作者：Xiaolin He, Riender Happee, Meng Wang
论文ID：2306.08458
分类：Human-Computer Interaction
分类简称：cs.HC
提交时间：2023-06-16