据外媒报道，代尔夫特理工大学（TU Delft）的研究人员基于人类将风险控制在阈值水平以下的原则，开发了一种描述驾驶行为的新模型。该模型可以准确地预测人类在各种驾驶任务中的行为，还可用于智能汽车，让其感知能力不会过于机器人化。
（图片来源：代尔夫特理工大学）
驾驶行为通常由预测最佳路径的模型来描述，但实际上人类并不是这样开车的。研究人员Sarvesh Kolekar解释称，“人们不可能总是调整驾驶行为，一直按照最佳路径行驶。例如，人们不会一直在车道中间行驶，只要车道限制可以接受，他们就不会介意。”
预测最佳路径的模型不仅在研究中很流行，而且在汽车应用中也很流行。Kolekar称，“当前的智能汽车驾驶非常灵活，会不断地寻找最安全的路径，从而导致了机器人式的驾驶方式。为了更好地理解人类驾驶行为，我们试图开发新的模型，并以人类风险阈值为基本原理。”
为此，Kolekar引入了驾驶员风险场（DRF）。DRF是一个不断变化的汽车周围的2D场，显示驾驶员认为每个点的风险有多高。Kolekar在此前的研究中就设计了评估这些风险的方案，而这些风险导致的后果严重性则在DRF中进行计算。例如，道路边界的一侧有悬崖比有草要危险得多。DRF的灵感来自Gibson和Crooks于1938年提出的一个心理学概念。研究人员称，汽车驾驶员感知到了周围的风险区域，其交通操作则是基于这些感知的。Kolekar成功地将这一理论转化为计算机算算法。
随后，Kolekar在包括超车和避开障碍物在内的七个场景中，对该模型进行了测试。Kolekar表示，“我们将模型预测的结果与文献中有关人类驾驶行为的实验数据进行了比较，结果证明，该模型只需要少量的数据就可以了解基本的人类驾驶行为，甚至可以在之前未见过的场景中，预测到合理的人类行为。”
此种对人类驾驶行为的描述方法具有巨大的预测和概括价值。除了学术价值外，该模型还可以用于智能汽车。研究人员表示，“如果智能汽车能考虑人类的驾驶习惯，那么人们对其接受程度会更高，汽车也就不那么像机器人了。”