机构名称：
¥ 1.0
了解人类驾驶员在与自动车辆（AV）相互作用中的行为可以帮助未来AV的发展。对这种行为的现有调查主要集中在一个情况下先验需要采取行动的情况，因为人类具有通行权。但是，即使未来的AV可能需要主动管理互动，即使它们具有对人类的途径，例如，人类驾驶员在接近的AV的前面左转。尚不清楚AVS在这种互动中如何表现以及人类对它们的反应。为了解决这个问题，在这里，我们研究了人类驱动因素的行为（n = 19），当在驾驶模拟器实验中与未构造的左转弯相互作用时。，我们在与执行微妙的纵向裸机操作的AV互动时测量了参与者决定的结果（GO或Ster）和时间安排，例如短暂减速，然后加速回到其原始速度。我们发现，参与者的行为对减速性敏感，但不是加速度的轻推。我们将获得的数据与人类决策的漂移扩散模型的几种变体进行了比较。最简约的模型捕获了数据，该数据假设了在到达时间和到固定决策边界的距离和距离上的动态信息的嘈杂集成，并具有对GO决策的初始积累偏见。我们的模型不仅说明了观察到的行为，还可以灵活地产生对人类对任意纵向AV动作的反应的预测，并且可以用于为未来的人类行为研究提供信息，并将此类研究的洞察力纳入用于AV交互计划的计算框架中。
经验证据和计算认知建模
主要关键词
相关文件推荐
