由于新的研究可以帮助自动驾驶汽车预测人们何时会过马路，因此自动驾驶汽车可以变得对行人更加友好。

利兹大学领导的研究如何更好地理解人类在交通中的行为的科学家说，关于大脑如何做出决定的神经科学理论可以用于自动驾驶汽车技术，以提高安全性并使其对人类更加友好。

研究人员着手确定一种名为 "漂移扩散 "的决策模型是否能够预测行人何时会在接近的汽车面前穿过马路，以及它是否能够用于汽车给行人让路的场景，无论是否有明确的信号。这种预测能力将使自动驾驶汽车在交通中的移动和任何外部信号（如闪光灯）方面与行人进行更有效的沟通，以最大限度地提高交通流量并减少不确定性。

漂移扩散模型假定，人们在积累了感官证据后，达到了决策的阈值，就会做出决定。

利兹大学交通研究所的古斯塔夫-马克库拉教授和该研究的资深作者说。当做出过马路的决定时，行人似乎在增加许多不同的证据来源，不仅与车辆的距离和速度有关，而且还使用来自车辆的减速和大灯闪烁方面的交流线索。

当车辆让路时，行人往往会对车辆是否真的让路感到相当不确定，并且往往最终会等到车辆几乎完全停止时才开始过马路。我们的模型清楚地显示了这种不确定的状态，这意味着它可以被用来帮助设计自动驾驶车辆在行人周围的行为方式，以限制不确定性，这反过来又可以改善交通安全和交通流量。

看到这些来自认知神经科学的理论可以被带入这种类型的现实世界背景，并找到应用的用途，这是令人兴奋的。

为了测试他们的模型，研究小组使用虚拟现实技术，在利兹大学独特的HIKER（高度沉浸式运动学实验研究）行人模拟器中将试验参与者置于不同的过马路场景中。研究参与者在立体三维虚拟场景中自由行走时，其动作被高度跟踪，显示了一条有来往车辆的道路。参与者的任务是在他们认为安全的情况下尽快穿过马路。

测试了不同的场景，接近的车辆要么保持相同的速度，要么减速让行人过马路，有时还会闪一下大灯，这代表了英国普遍使用的让步信号。

正如他们的模型所预测的那样，研究人员发现，参与者的行为就像他们在决定何时过马路一样，随着时间的推移，来自车辆距离、速度、加速度以及交流线索的感官数据不断增加。这意味着他们的漂移扩散模型可以预测行人是否以及何时可能开始过马路。

马库拉教授说，这些发现可以帮助人们更好地了解交通中的人类行为，这对于改善交通安全和开发能够与人类道路使用者共存的自动驾驶汽车都是必要的。

与行人的安全和人类可接受的互动是自动驾驶车辆开发者的一个主要挑战，更好地了解行人的行为方式将是实现这一目标的关键。

主要作者Jami Pekkanen博士在利兹大学时进行了这项研究，他说："预测行人的决定和不确定性可以用来优化车辆应该何时以及如何减速并发出信号，以传达过马路是安全的，为两者节省时间和精力。"

这篇题为 "行人过马路决策的可变漂移扩散模型 "的论文于2021年10月5日发表在《计算脑与行为》上。