Tesis:
Análisis del comportamiento visual del conductor aplicado a la toma de decisiones en vehículos autónomos
- Autor: SÁNCHEZ MATEO, Sofía
- Título: Análisis del comportamiento visual del conductor aplicado a la toma de decisiones en vehículos autónomos
- Fecha: 2023
- Materia:
- Escuela: E.T.S. DE INGENIEROS INDUSTRIALES
- Departamentos: INGENIERIA MECANICA
- Acceso electrónico: https://oa.upm.es/78154/
- Director/a 1º: JIMÉNEZ ALONSO, Felipe
- Resumen: El factor humano en conducción presenta numerosos desafíos relativos a la seguridad, los cuales podrían ser abordados eficientemente a través de tecnologías relacionadas con la conducción autónoma. En los últimos años ha habido un avance significativo en los sistemas de asistencia al conductor, proporcionando funciones de apoyo y mejorando la seguridad y la comodidad en carretera. En relación con la automatización total, los fabricantes de automóviles han emprendido una carrera tecnológica en busca del vehículo sin conductor invirtiendo recursos significativos en investigación y desarrollo. Sin embargo, existen ciertas barreras que ralentizan la integración de estos vehículos en el parque automovilístico actual.
Uno de los factores más determinantes es la aceptación social, condicionada directamente por la confiabilidad de estos sistemas. A pesar de las múltiples pruebas en entornos cerrados y el aumento de sensores, es difícil abarcar el total de la casuística de accidentes de tráfico que se pueden producir en tráfico real. Muchos de los problemas detectados en el ámbito de la conducción autónoma se relacionan con problemas que un conductor humano podría resolver con relativa sencillez, apuntando a una falta de reglas en el sistema de decisión. En este aspecto, los estudios naturalistas desempeñan un papel fundamental en el desarrollo de algoritmos de toma de decisiones basados en el comportamiento humano, ya que los vehículos carecen de cierta información que los conductores adquieren de forma natural.
Es por ello que el estudio del comportamiento del conductor es crucial para el desarrollo de sistemas que interactúen con vehículos de conducción manual. Comprender los procesos cognitivos seguidos por un conductor y su estado en diversos entornos perfeccionará el diseño de las reglas de decisión ante diferentes maniobras, optimizando la toma de decisiones en conducción autónoma.
El objetivo principal de la tesis es mejorar la caracterización del comportamiento del conductor mediante el análisis de la percepción visual en maniobras complejas realizadas en vías de alta capacidad, como son autovías o autopistas. A lo largo de este estudio, se evalúa la influencia de las variables atencionales del conductor ante diferentes niveles de asistencia a la conducción, observando la repetición de ciertos patrones visuales en función del entorno.
La integración de la información visual del conductor en un modelo de toma de decisiones naturalista permitió una validación exitosa del mismo con ensayos experimentales realizados en tráfico real. Previamente, se realizó una fusión sensorial del sistema de percepción del entorno con el sistema de seguimiento visual, permitiendo la proyección automática de la mirada del conductor en el entorno exterior. Los desarrollos realizados generaron adicionalmente conocimiento destacable en relación con la anticipación de la maniobra de cambio de carril y el hueco aceptable para el desarrollo de modelos de conducción.
Las conclusiones de la Tesis doctoral contribuyen a una mejora de la modelización del comportamiento del conductor y aportarán un enfoque más naturalista al desarrollo de algoritmos de toma de decisiones, con el objetivo de mejorar la integración de la conducción autónoma en el tráfico mixto.
ABSTRACT
Human factor in driving presents numerous safety-related challenges, which could be efficiently addressed through technologies related to autonomous driving. In recent years, there has been significant progress in driver assistance systems providing support functions and improving safety and comfort on the road. In relation to full automation, automakers have embarked on a technological race in pursuit of the driverless vehicle by investing significant resources in research and development. However, there are certain barriers that slow down the integration of these vehicles into the current automotive fleet.
One of the most determining factors is social acceptance, directly conditioned by the reliability of these systems. Despite multiple tests in closed environments and the increase in sensors, it is difficult to encompass the full range of traffic accident scenarios that can occur in real-world traffic. Many of the problems identified in the field of autonomous driving are related to issues that a human driver could resolve relatively easily, pointing to a lack of rules in the decision-making system. In this regard, naturalistic studies play a fundamental role in the development of decision-making algorithms based on human behavior, as vehicles lack certain information that drivers naturally acquire.
That is why the study of driver behavior is crucial for the development of systems that interact with manually driven vehicles. Understanding the cognitive processes followed by a driver and their state in various environments will enhance the design of decision-making rules for different maneuvers, optimizing decision-making in autonomous driving.
The main objective of the thesis is to improve the characterization of driver behavior through the analysis of visual perception in complex maneuvers performed on high-capacity roads, such as highways or expressways. Throughout this study, the influence of driver attentional variables is evaluated under different levels of automation, observing the repetition of certain visual patterns depending on the environment.
The integration of driver visual information into a naturalistic decision-making model allowed for successful validation through experimental tests conducted in real traffic. Prior to that, a sensor fusion was performed between the environment perception system and the visual tracking system, enabling the automatic projection of the drivers gaze onto the external environment. The developments also generated notable knowledge regarding the anticipation of lane-changing maneuvers and the acceptable gap for the development of driving models.
The findings of the PhD Thesis contribute to an improvement in the modeling of driver behavior and will provide a more naturalistic approach to the development of decision-making algorithms, with the aim of enhancing the integration of autonomous driving in mixed traffic.