基于认知理论的模型预测交通中的人类行为：案例研究

May, 2023

基于认知理论的模型预测交通中的人类行为：案例研究

Using Models Based on Cognitive Theory to Predict Human Behavior in Traffic: A Case Study

Julian F. Schumann, Aravinda Ramakrishnan Srinivasan, Jens Kober, Gustav Markkula, Arkady Zgonnikov

TL;DR这篇文章研究了采用包含最新的人类感知、决策 - making 和运动控制理论的新颖认知似然模型 --Commotions 模型用于预测人类在交通互动中的行为，展示了此模型在自然情景数据集中与数据驱动模型相竞争甚至胜出，证明了吸纳认知理论在自动驾驶行为预测模型中的巨大潜力。

Abstract

The development of automated vehicles has the potential to revolutionize transportation, but they are currently unable to ensure a safe and time-efficient driving style. Reliable models predicting human behavior are essential for overcoming this issue. While data-driven models are comm

automated vehicles human behavior prediction cognitive theory commotions model traffic interactions

发现论文，激发创造

即时解决不确定性：将自适应驾驶行为建模为主动推理

基于主动推理（active inference）的模型提供了一个基于最小化预期自由能的单一目标函数来处理目标追求和信息追求（解决不确定性）行为，从而无缝解决不确定性，实现类似人类的适应性驾驶行为。

Nov, 2023

增强驾驶员行为模型用于高保真模拟研究碰撞检测算法

本文使用模拟平台进行了复杂的交通仿真实验，针对连通与自动驾驶汽车的驾驶行为进行了建模，并分析了多种人为与机制相关的因素对交通网络的影响。

Aug, 2022

简单规则如何决定行人行为和人群灾难

本研究提出了以行为启发式为基础的新认知科学方法，该方法可以较好地预测步行者的运动轨迹和集体运动模式，进而为人类群体和生物群体的更逼真建模提供了可能，并为自主机器人的导航提供了改进。

May, 2011

利用社会心理因素的强制合并情境中自主车辆的交互感知决策

通过包含社会行为和驾驶员个人目标的行为模型，利用贝叶斯滤波和对于不明确意图的附近车辆行为的预测，开发了一种基于滑动时域控制的决策策略，以在线估计其他驾驶员的意图。通过与博弈论控制器和真实世界交通数据集的模拟研究进行比较，验证了所提出的决策策略的有效性。

Sep, 2023

自主车辆的决策制定：基于交互感知行为预测和社交关注神经网络

自主车辆在交通中需要与人类驾驶员互动来完成任务，因此装备自主车辆具备人工推理以更好地理解周围交通的意图，从而促进任务完成。本文提出了一种行为模型，将驾驶员的互动意图编码为潜在的社会心理参数，并设计了基于贝叶斯滤波器的递进视界优化控制器以考虑互动驾驶员意图的不确定性，同时采用基于注意机制的神经网络架构来模仿行为模型和在线估计参数先验，并提出决策树搜索算法在线解决决策问题。本文对所提出的行为模型进行了真实世界轨迹预测能力的评估，并在模拟环境和真实世界交通数据集中进行了强制公路合并场景的决策模块的广泛评估，结果表明我们的算法能够在各种交通条件下完成强制合并任务并确保驾驶安全。

Oct, 2023

基于认知的自动驾驶轨迹预测方法

这篇论文介绍了一种人类似的轨迹预测模型（HLTP 模型），它采用了灵感自人类认知过程的教师 - 学生知识蒸馏框架，这种方法可以在动态环境中动态适应变化的驾驶场景，提高准确预测的关键知觉线索的获取能力。该模型在 Macao Connected and Autonomous Driving (MoCAD) 数据集以及 NGSIM 和 HighD 基准测试中展示出优于现有模型的性能，特别是在数据不完整的具有挑战性的环境中。

Feb, 2024

从实车行驶数据估计司机人格特质

使用机器学习和深度学习技术，从路上的驾驶行为数据中估计驾驶员的心理特征，建立具有自适应能力的驾驶辅助系统，研究结果表明，我们的模型能够以高准确度预测心理驾驶风格和负荷敏感度等特征，而不同持续时间的分割对准确性的影响因特征而异。

Feb, 2023

与行人交互的自主车辆：理论与实践综述

研究了自动驾驶汽车在城市环境中行驶面临的主要挑战以及解决方案，包括与行人的交互问题，通过调查研究现有的行人行为研究，提出解决方案包括与行人通信的设计方法和针对理解行人意图的视觉感知和推理算法，同时讨论了未来的研究方向。

May, 2018

带有注意力机制的类脑认知模型在自动驾驶汽车中的应用

本文提出了一种名为带有注意力的脑启发式认知模型 (CMA) 的自动驾驶模型，该模型可以模拟人类视觉皮层和认知空间，结合实时更新的认知地图来实现注意机制和长短期记忆，同时解决了检测自由空间和当前和相邻车道边界、估算障碍物距离和车辆姿态、学习从人类驾驶员处获取驾驶行为和决策的三项任务，并可以接受外部导航指令。

Feb, 2017

可迁移和可适应的驾驶行为预测

提出了一种基于 HATN 的分层框架，通过模仿人类在驾驶中的认知模型和语义理解生成高质量、可转移和适应性 strong > 预测，在真实交通数据中展示了其在准确性、可转移性和适应性方面明显优于其他方法的优势，并强调将来应重点关注可转移性和适应性。

Feb, 2022