드리프트 확산 모델

 연구팀이 탐구한 의사결정 모델을 드리프트 확산이라고 하며 신호가 있든 없든 자동차가 보행자에게 양보하는 시나리오에서 사용할 수 있다. 이 예측 기능을 통해 자율 주행 차량은 보행자와 보다 효과적으로 통신할 수 있다. 교통 흐름의 움직임과 깜박이는 신호등과 같은 외부 신호를 더 잘 이해할 수 있어 교통 흐름을 극대화하고 불확실성을 줄이는 데 도움이 된다. 

표류 확산 모델은 결정이 내려지는 임계 값까지 감각 증거를 축적한 후에 사람들이 결정에 도달한다는 가정에 의존하다.

Gustav Markkula 교수는 리즈 대학 교통 연구소 출신이다. 그는 연구의 주 저자이다.

Markkula 교수는 "보행자는 횡단을 결정할 때 차량의 거리와 속도뿐 아니라 감속 및 헤드라이트 깜박임과 관련하여 차량의 의사 소통 신호를 사용하는 등 다양한 증거 소스를 추가하는 것 같다."라고 말했다. 

"차량이 양보할 때 보행자는 종종 차가 실제로 양보하는지 여부에 대해 매우 불확실하다고 느끼며 종종 차가 거의 완전히 멈출 때까지 기다렸다가 횡단을 시작한다."라고 그는 말했다. "우리 모델은 이러한 불확실성의 상태를 명확하게 보여준다. 즉, 불확실성을 제한하기 위해 자동화 차량이 보행자 주변에서 어떻게 행동하는지 설계하는 데 사용할 수 있어 교통 안전과 교통 흐름을 모두 개선할 수 있다."

"인지 신경과학의 이러한 이론이 이러한 유형의 실제 상황에 적용되고 적용되는 용도를 찾을 수 있다는 사실이 흥미롭다."

모델 테스트

팀은 가상 현실로 모델을 테스트하기 시작했다. 시험 참가자는 대학의 HIKER(Highly Immersive Kinematic Experimental Research) 보행자 시뮬레이터 내에서 다양한 도로 횡단 시나리오에 배치되었다. 그들의 움직임은 다가오는 차량을 보여주는 입체 3D 가상 장면 내에서 자유롭게 걷는 동안 추적되었다. 참가자들은 충분히 안전하다고 느낄 때 길을 건너라는 지시를 받았다. 

연구원들은 접근하는 차량이 일정한 속도를 유지하고 보행자가 횡단할 수 있도록 감속하는 등 다양한 시나리오를 테스트했다. 차량은 때때로 교차 신호를 보내기 위해 헤드라이트를 깜박이기도 했다.

테스트는 참가자들이 횡단할 때를 결정하기 전에 차량 거리, 속도, 가속도 및 의사 소통 신호의 감각 데이터를 겉보기에 합산한 것으로 나타났다. 이것은 드리프트 확산 모델이 보행자가 도로를 건널 가능성이 있는지 여부와 시기를 예측할 수 있음을 팀에 나타냈다.

Markulla 교수는 “이번 연구 결과는 교통 안전을 개선하고 도로 사용자와 공존할 수 있는 자동화 차량을 개발하는 데 필요한 교통 속 인간의 행동을 더 잘 이해하는 데 도움이 될 수 있다”고 말했다.

"보행자와의 안전하고 인간이 수용할 수 있는 상호 작용은 자동화 차량 개발자에게 주요 과제이며 보행자의 행동 방식을 더 잘 이해하는 것이 이를 가능하게 하는 열쇠가 될 것이다."

수석 저자인 Jami Pekkanen 박사에 따르면 "보행자의 결정과 불확실성을 예측하는 것은 차량이 언제, 어떻게 감속해야 하는지를 최적화하고 횡단하는 것이 안전하다는 신호를 전달하는 데 사용할 수 있으므로 두 사람의 시간과 노력을 절약할 수 있다."