自动驾驶中驾驶员干预行为分析 —— 一种融入 VR 的方法
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
自动驾驶汽车技术快速发展，对道路交通安全产生了重大影响，同时也解决了多种复杂的交通问题。为了确保自动驾驶汽车之间以及自动驾驶汽车与人类驾驶员之间的合作互动，本研究提出了一个多阶段的方法，采用共享和关怀的车对车通信策略来加强协同行为。通过进行一项调查来验证自动驾驶汽车的驾驶性能，并可用于一个混合交通案例研究，重点研究人类驾驶员如何对待与他们同时驾驶在同一条道路上的自动驾驶汽车。研究结果表明，采用深度强化学习，自动驾驶车辆获得了接近人类驾驶性能的驾驶行为。在自动驾驶汽车网络中采用共享和关怀的车对车通信可以提高其驾驶行为，促进更有效的行动计划，并增进自动驾驶汽车之间的合作行为。调查结果显示，无法保证混合交通中的安全性，因为我们无法控制人类驾驶员出于自我的行为，如果他们决定与自动驾驶汽车竞争。因此，本研究倡导加强对自动驾驶汽车在公共道路上安全融入的研究。
Dec, 2023
通过对 23 辆特斯拉 Model S/X，2 辆沃尔沃 S90，2 辆路虎 Evoque 和 2 辆凯迪拉克 CT6 车辆装载数据采集硬件进行长期和中期的数据采集，结合 IMU，GPS，CAN 信息和高清视频流分析，探索人类与自动驾驶技术相互作用的全景认识，提取其中可行的研究方式和深度学习的算法，最终为开发自动驾驶做出贡献。
Nov, 2017
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
通过使用传感器和智能车载系统，评估驾驶员行为的研究可以提高驾驶体验和道路安全。本文研究了使用视觉和车载数据分析驾驶员行为的各种技术，并提供了该领域最新研究的概述，同时讨论了面临的挑战和未解决的问题，并为未来的研究提出了潜在建议。综述得出结论，整合视觉和车载信息可以显著提高驾驶员行为分析的准确性和有效性，从而提高安全措施并减少交通事故。
Aug, 2023
本文提出了一种最小干预的安全控制器，通过使用到达性分析构建实时控制器，实现单车道场景中无碰撞互动的自动驾驶汽车交通合作，并验证其有效性及安全性。
Dec, 2018
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
人工驱动车辆导致交通拥堵，增加燃油消耗、碰撞风险和减少容量利用率。本研究通过分析真实世界中的人类驾驶轨迹，提取了在车跟随过程中的加速行为，并将这些行为与之前研究中的自动驾驶车辆结合起来，以减少拥堵并评估其安全性、效率和稳定性。此外，还引入了基于强化学习的自动驾驶车辆，利用拥堵阶段分类神经网络来优化 “安全 + 稳定” 或 “效率”，并在不同密度、配置和渗透率的混合交通控制环境中进行评估，并与现有的自动驾驶车辆进行比较。
Nov, 2023
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