A car following model with an attention-based cognitive framework: Theory, application, and statistical analysis

Trafik simülatörleri, otonom sürüş algoritmalarını test etmek için olmazsa olmazdır ve gerçek trafik koşullarını yansıtmak için insan davranışını doğru bir şekilde taklit eden sürücü modelleri gerektirir. Bu tez, bu simülatörlerde kullanılacak insan sürücü modellerinin geliştirilmesine odaklanmaktadır. Yeni bilgilere uyum sağlamayan sabit sürücü modellerinin sınırlamaları, insan hafızasından esinlenen dikkat tabanlı bir öğrenme mekanizmasının tanıtılmasıyla ele alınmaktadır. Bu mekanizma, bu çalışmada geliştirilen çok tipli bir araç takip modeline entegre edilmiştir. Mevcut modellerin aksine, bu yaklaşım ego sürücüsünün kararlarının hem önündeki araçtan hem de arkasındaki sürücüden etkilenmesine olanak tanır. Önerilen modelin öngörü yetenekleri, insan sürüş verileri kullanılarak gösterilmiş ve model parametre dağılımlarının kapsamlı bir istatistiksel analizi sağlanmıştır. Bu analiz, modelin farklı veri kümelerindeki genel davranış eğilimlerini nasıl yakaladığını, insan sürücüler arasındaki etkileşimlerin anlaşılmasını nasıl geliştirdiğini ve test amaçları için daha gerçekçi simülasyonlar sağladığını göstermektedir. Son olarak, modelin yüksek doğruluklu trafik modellerinin geliştirilmesinde kullanılmasına yönelik adım adım bir kılavuz da bu tezin sonunda yer almaktadır.