©Amber

Wetenschappers van de TU Delft hebben een nieuw model ontwikkeld waarmee menselijk rijgedrag beter beschreven kan worden.

Het algoritme werkt met een risicodrempel waarmee rij-taken beter voorspeld kunnen worden. Het model kan op korte termijn toegepast worden op zelfrijdende auto’s.

Optimaal pad

Huidige modellen bepalen het rijgedrag door middel van een optimaal pad. Een optimaal pad is een ideale route, maar dat is vaak niet hoe mensen rijden. Onderzoeker Sarvesh Kolekar van de vakgroep Cognitive Robotics: “Je rijdt bijvoorbeeld niet continu precies in het midden van de rijbaan. Als het risico maar binnen bepaalde grenzen blijft die voor jou nog acceptabel zijn, doe je niet zo veel.” Dat wordt de risicodrempel genoemd.

“De huidige intelligente auto’s rijden erg netjes. Ze zoeken continu het veiligste pad: dus één pad met bijbehorende snelheid. Dit leidt tot ‘robotachtig’ rijden. Om een beter begrip te krijgen van menselijk rijgedrag, probeerden we een nieuw model te ontwikkelen. Bij dit model gebruiken we de menselijke risicodrempel als onderliggend principe,” aldus Kolekar.

Driver’s Risk Field

Kolekar introduceerde het Driver’s Risk Field (DRF). Dit is een veld rond de auto dat per punt aangeeft hoeveel risico de chauffeur denkt de lopen. In het DRF is ook verwerkt hoe zwaar de gevolgen zijn van het risico. Menselijke manieren van denken worden zo in kaart gebracht.

“Het DRF is geïnspireerd op een concept uit de psychologie dat lang geleden (in 1938) is voorgesteld door Gibson en Crooks. Deze auteurs veronderstelden dat autobestuurders als het ware een risicoveld om zich heen voelen. Op basis daarvan wordt door het verkeer gemanoeuvreerd,” aldus Kolekar.

Driver’s Risk Field ©TU Delft

Kolekar vertaalde dit idee, bedacht door Gibson en Hooks, naar een algoritme. De auto zal aan de hand daarvan snelheid en baanpositie aanpassen om het voorspelde risico binnen acceptabele grenzen te houden.

Rijscenario’s

Het nieuwe model is getest voor zeven verschillende rijscenario’s. Onder andere bij het inhalen van een auto en het ontwijken van een obstakel. “We hebben de voorspellingen die het model doet, vergeleken met de experimentele data van menselijk rijgedrag uit de literatuur. Daar is gelukkig al heel veel informatie over beschikbaar.”

“Het blijkt dat ons model maar een klein aantal parameters nodig heeft om menselijk rijgedrag te kunnen herkennen. Het model kan menselijke aanpassingen in snelheid en baanpositie voorspellen in alle zeven scenario’s zonder deze eerst te hebben gezien.”

Het model kan worden toegepast bij zelfrijdende auto’s. “Als deze meer rekening houden met hoe mensen in het echt rijden, kan dit de acceptatie van zulke auto’s bevorderen. Het rijgedrag van de auto voelt dan immers minder als een robot aan.”

Ook interessant:
Deze Nederlandse visionair voorspelde zelfrijdende auto al een halve eeuw geleden
Britten zetten bij verkeersveiligheid vol in op zelfrijdende auto’s

Word lid!

Op Innovation Origins lees je elke dag het laatste nieuws over de wereld van innovatie. Dat willen we ook zo houden, maar dat kunnen wij niet alleen! Geniet je van onze artikelen en wil je onafhankelijke journalistiek steunen? Word dan lid en lees onze verhalen gegarandeerd reclamevrij.

Over de auteur

Author profile picture