Core Concepts
자율주행차량이 기존 인간 운전자 중심 교통 환경에 통합되기 위해서는 상호작용 상황에서 다른 운전자의 의도를 이해하고 이에 맞는 사회적으로 적절한 의사결정을 내릴 수 있는 능력이 필요하다.
Abstract
이 연구는 자율주행차량의 사회적 의사결정 능력을 향상시키기 위한 동적이고 사회적으로 인지적인 의사결정 게임 이론 프레임워크를 제안한다. 이 프레임워크는 세 가지 주요 모듈로 구성된다:
상호작용 성향 식별 모듈: 환경 요인과 궤적 특성을 고려하여 상호작용 참여자의 사회적 의사결정 성향을 동적으로 평가하는 지표인 '상호작용 성향'을 도입한다.
혼합전략 게임 모델링 모듈: 미래 교통 시나리오의 진화를 고려하고 안전성, 운영 효율성, 환경 불확실성을 균형있게 고려하는 효용 함수를 포함하는 혼합전략 게임 모델을 개발한다.
전문가 모드 학습 모듈: 실제 전문가 운전 전략을 학습하고 이를 의사결정 과정에 동적으로 활용하는 프레임워크를 구축한다. 이를 통해 실세계 운전 복잡성에 적응할 수 있다.
제안된 접근법은 실제 주행 데이터와 인간-in-the-loop 실험을 통해 검증되었으며, 의사결정 시기와 정확성 향상을 입증하였다.
Stats
자율주행차량의 최대 회피 가속도는 2[(S1 - S0) - v0(t2 - t0)] / (t2 - t0)2 이다.
자율주행차량의 최소 회피 가속도는 2[(S2 - S0) - v0(t1 - t0)] / (t1 - t0)2 이다.
상호작용 성향 지표(IO)는 0과 1 사이의 값을 가지며, 0은 우선권 성향, 1은 양보 성향을 나타낸다.
Quotes
"자율주행차량이 기존 인간 운전자 중심 교통 환경에 통합되기 위해서는 상호작용 상황에서 다른 운전자의 의도를 이해하고 이에 맞는 사회적으로 적절한 의사결정을 내릴 수 있는 능력이 필요하다."
"상호작용 성향은 환경 요인과 궤적 특성을 고려하여 상호작용 참여자의 사회적 의사결정 성향을 동적으로 평가하는 지표이다."
"제안된 접근법은 실제 주행 데이터와 인간-in-the-loop 실험을 통해 검증되었으며, 의사결정 시기와 정확성 향상을 입증하였다."