来自TU Delft的研究人员现在已经开发出一种新模型，该模型基于一个基本的“人为”原则描述驾驶行为：将风险控制在阈值以下。该模型可以在各种驾驶任务中准确预测人的行为。随着时间的流逝，该模型可以用于智能汽车中，从而使它们的感觉不再那么“机器人化”。由博士候选人Sarvesh Kolekar及其主管Joost de Winter和David Abbink进行的研究将于2020年9月29日星期二在《自然通讯》上发表。
通常使用预测最佳路径的模型来描述驾驶行为。但这不是人们实际驾驶的方式。认知机器人学系的研究员Sarvesh Kolekar说：“您并不总是使自己的驾驶行为适应一条最佳道路。”“例如，人们不会在车道中间连续行驶：只要他们在可接受的车道限制内，就可以了。”
预测最佳路径的模型不仅在研究中很流行，而且在车辆应用中也很流行。``目前的智能汽车驾驶非常整齐。他们不断地寻找最安全的路径：即以适当速度的一条路径。这就导致了“机器人式”的驾驶风格。为了更好地理解人类驾驶行为，我们试图开发一种新模型，将人类危险阈值作为基本原理。
为了掌握这一概念，Kolekar引入了所谓的驾驶员风险场(DRF)。这是汽车周围不断变化的二维场，它指示驾驶员认为在每个点处的风险有多高。Kolekar在先前的研究中设计了这些风险评估。然后在DRF中考虑所讨论风险后果的严重性。例如，在道路边界的一侧有悬崖比放草要危险得多。``DRF的灵感来自心理学的概念，该概念是很久以前(由Gibson和Crooks于1938年提出)的。这些作者声称，汽车驾驶员“感觉”了他们周围的风险领域，并根据这些看法进行了交通操作。”Kolekar设法将这一理论转化为计算机算法。
然后，Kolekar在七个场景中对模型进行了测试，包括超车和避免障碍。``我们将模型所做的预测与文献中有关人类驾驶行为的实验数据进行了比较。幸运的是，已经有很多信息可用。事实证明，我们的模型仅需要少量数据即可“获取”潜在的人类驾驶行为，甚至可以预测在以前看不见的情况下的合理人类行为。因此，驾驶行为或多或少会自动产生。这是“紧急事件”。
