89、基于学习的社会协调以提高自动驾驶安全性和鲁棒性

基于学习的社会协调以提高自动驾驶安全性和鲁棒性

1. 自动驾驶现状与问题

当前的自动驾驶车辆（AVs）为确保安全，驾驶风格极为保守。例如，在十字路口前会减速，即便按规则己方有优先通行权；遇到行人有疑虑时会等待。然而，这种过度保守的行为可能会被其他交通参与者（如人类驾驶车辆，HVs）利用。

自动驾驶车辆作为混合交通环境中的社会参与者，其安全性和可靠性与社会意识以及复杂社会交互能力紧密相关。风险意识和社会行为是决策的基本特征。目前的自动驾驶车辆往往忽视社会信号和驾驶员个性，倾向于明确的通信或驾驶员建模，但这些方法难以处理复杂交互，导致决策保守，仅适用于简单道路场景。

2. 驾驶行为分析

• 行为范围 ：社会交通心理学研究表明，驾驶行为介于保守和激进之间，但具体定义尚无定论。“激进驾驶”涵盖多种不安全驾驶行为，如闯红灯、超速等。其成因复杂，可能源于危险路况、个人性格或心理状态。
• 个性与偏好区分 ：本研究区分了个体特征和社会偏好，因为它们会导致不同的驾驶行为。
  • 社会偏好 ：定义利他主义和利己主义为社会偏好。利己主义驾驶员以自我为中心，只考虑个人利益，不顾及他人。
  • 个体特征 ：定义保守和激进为个体特征。激进驾驶员的行为表现为激进驾驶。个体特征由行为结果体现，而社会偏好由社会目标和目的决定。例如，一个驾驶员可能既利己又保守，他为保护自己而谨慎驾驶（利己偏好），行为表现为保守（行为结果）。