Elaborazione di un modello cognitivo per il conducente

The latest statistical reports indicate that road accidents in Europe still cause a large number of deaths and injuries. Some analyses also show that the main factor in these accidents is human error due to distraction. This explains why regulators are pushing for the introduction of ADAS systems in new car models. The results are promising and are manifested in the form of a steady decrease in the number of accidents and fatalities. However, the ability of modern ADAS is still limited by the human presence, as these systems are not able to discern error from deliberate manoeuvring. In order to avoid control conflicts, ADAS only intervene in the event of an obvious error. The goal is to create a support system for ADAS that is capable of understanding the driver’s context awareness. The thesis project, in particular, focuses on determining a mathematical model capable of emulating the driver’s cognitive and perceptual processes. In this view, the driver is represented by a Cognitive Model that receives visual input, given by a Perceptual Model, and makes predictions about the motion of the Agents that surround him. For the Cognitive Model we used an Extended Kalman Filter, representing with a probability density function the cognition that the driver has of an external Agent in motion. The understanding of movement is conditioned by the reception of the visual input, determined by the presence of the Agent within the driver’s visual. A preliminar study of the Cognitive Model allowed the identification of a value for the covariance matrices of the measurement error R and process error Q of the Kalman Filter: two experimental procedures have been defined which have involved the voluntary participation of 51 subjects, for a total of 7000 measurements. Two methods have been then formalised and applied which, using the data collected in the experimental phase, have allowed us to identify the unknown parameters.

Gli ultimi rapporti statistici indicano che gli incidenti stradali in Europa causano ancora un numero ingente di morti e feriti. Alcune analisi evidenziano inoltre come il principale fattore che determina questi incidenti sia l’errore umano dovuto alla distrazione. Questo spiega il motivo per cui le autorità di regolamentazione stanno spingendo per l’introduzione di sistemi ADAS nei nuovi modelli di automobili. I risultati sono promettenti e si manifestano sotto forma di una costante diminuzione del numero di incidenti e decessi. La capacità dei moderni ADAS è però tuttora limitata dalla presenza umana, tali sistemi non sono infatti in grado di discernere l’errore dalla manovra volontaria. Per evitare conflitti nel controllo gli ADAS intervengono solo in caso di errore evidente. L’obiettivo è di creare un sistema di supporto per gli ADAS, che sia capace di comprendere la consapevolezza del contesto del conducente. Il progetto di tesi, in particolare, si concentra sul determinare un modello matematico capace di emulare i processi cognitivi e percettivi del conducente. In questa ottica il conducente è rappresentato da un Modello Cognitivo che riceve degli input visivi, dati da un Modello Percettivo, ed effettua previsioni sul moto degli Agenti che lo circondano. Per il Modello Cognitivo abbiamo utilizzato un Filtro di Kalman Esteso, rappresentando con una densità di probabilità la cognizione che il conducente ha di un Agente esterno in movimento. La comprensione del movimento è condizionata dalla ricezione dell’input visivo, determinata dalla presenza dell’Agente all’interno del Campo Visivo del conducente. Una fase di studio del Modello Cognitivo ha permesso di identificare un valore per le matrici di covarianza dell’errore di misura R e di processo Q del Filtro di Kalman: sono state definite due procedure sperimentali che hanno visto la partecipazione volontaria di 51 soggetti, per un totale di 7000 misurazioni. Sono stati poi formalizzati e applicati due metodi che, utilizzando i dati raccolti nella fase sperimentale, ci hanno permesso di identificare i parametri ignoti.