自动驾驶车辆与行人、乘客的互动:横穿人行横道场景下的实地研究
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
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
该研究通过实施虚拟现实和交通微模拟集成的实验环境,并在典型和多样化的交通场景下进行测试,提出了驾驶员介入行为的新视角,从而改善自动驾驶在类似情景下的表现,并为人与自动化系统之间的信任关系研究提供了有价值的综合与沉浸式工具。
Dec, 2023
本论文通过全面的文献综述,提出了关于自动驾驶汽车中车内人机交互的现状,重点关注包容性和可访问性。论文的目标是检验自动驾驶汽车中包容性人机交互的用户中心设计原则,评估现有人机交互系统,并鉴定能够提升乘客体验的新兴技术。最后,提出了一个全面的车内体验设计框架,考虑了所有乘客的需求,包括残疾人或其他辅助性需求,以确保所有乘客能够安全舒适地使用这些车辆。
Jan, 2024
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
自动驾驶汽车面临的主要挑战之一是在城市环境中行驶。本文从共同注意力的角度解决行人和司机(或车辆)之间的互动问题,讨论共同注意力理论背景、其在交通互动中的应用以及自动驾驶汽车实现共同注意力的实际方法。
Feb, 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
本文提出了一种针对行人和自动驾驶汽车在无红绿灯的过街场景中交互的白盒意图感知决策方法,并提供了一个设计框架。作者采用黑盒意图检测和白盒决策的混合方法实现了类人行为和预防死锁,此方法计算量低并能考虑不同的行人行为。
Mar, 2023