Evaluation of Drivers' Interaction Ability at Social Scenarios: A Process-Based Framework

评估驾驶员的交互能力对于理解人类驾驶行为和增强自动驾驶车辆的交互能力至关重要。在涉及强交互的情况下，现有的以交互结果为重点的度量方法难以捕捉驾驶员交互行为的演化过程，使得自动驾驶车辆在交互过程中难以动态评估和响应其他参与者。为了解决这个问题，我们提出了一个评估驾驶员交互能力的框架，以交互过程本身为导向，包括三个组成部分：交互风险感知、交互过程建模和交互能力评分。我们通过运动状态估计和风险场理论量化交互风险，然后引入基于博弈理论的理性代理模型的动态行动评估基准，并设计基于形态相似距离的能力评分指标。通过计算驾驶员行动与评估基准之间的实时差异，驾驶员的交互能力得到动态评分。我们在未信号化交叉口作为典型场景下验证了我们的框架。对来自中国和美国的驾驶行为数据集的验证分析表明，我们的框架有效区分和评估了保守和激进的驾驶状态，在各种区域设置中展示了良好的适应性和效果。

如何评估驾驶员的交互能力，以加强自动驾驶车辆的交互能力？

提出了一个以交互过程为导向的框架，包括三个组成部分：交互风险感知、交互过程建模和交互能力评分。通过运动状态估计和风险场理论量化交互风险，引入基于博弈理论的理性代理模型设计动态行动评估基准，并基于形态相似度距离设计能力评分指标，通过计算驾驶员行动与评估基准之间的实时差异，动态评分驾驶员的交互能力。

论文在中国和美国的驾驶员行为数据集上验证了该框架的适应性和有效性，能够有效区分和评估保守和激进的驾驶状态，具有良好的适应性和效果。该论文的实验设计详细，使用了多个数据集，但未提及是否有开源代码。

最近的相关研究包括：1.《基于深度学习的交互行为建模》2.《自动驾驶汽车中的交互行为识别与预测》3.《基于强化学习的自主车辆交互行为规划》