Improvements of a cognitive model of the human driver

Many developments have been done in the autonomus driving field recently, yet it is still a technology that is not mature enough to be used in everyday real world scenarios, mak- ing human drivers still in charge of such task. This creates a safety problem because humans are prone to errors, something that could lead to accidents wihle driving. To counteract this problem safety systems have been invested on and developed to assist the drivers, ADAS (Advanced Driver Assistance Systems) systems in particular have helped in the reduction of accidents, still it is hard for them to determine whether intervention is necessary or not, due to the difficulty in understanding the driver’s intentions and their understanding of the surrounding environment. This problem has been tried to be solved by developing algorithms capable of understand- ing if the driver is attentive or not, still this does not solve the problem since a driver could be attentive but still make mistakes. This is the problem that this thesis tries to solve, by the introduction of a mathematical model capable of simulating the Perceptive and Cognitive processes of a human observing a walking pedestrian. The Perceptive process is responsible for the visual measurements done while looking at a target, and it simulates the error made in doing so, while the Cognitive process is re- sponsible for the understanding of the targets’ movement and how they are predicted. In this thesis a Cognitive model for the pedestrian’s movement is introduced, where the model will be developed as a Bayesian filter, in particular starting from the structure of an Extended Kalman Filter it will be attempted to develop a nonoptimal filter, to better simulate the human’s cognitive process. The model’s parameters will be then identified with a dataset developed for this purpose. Finally, an experiment campaign will be con- ducted in a virtual environment using a Virtual Reality headset, so to collect information about the Cognitive process when observing a cyclist.

Recentemente molti sviluppi sono stati fatti nel campo della guida autonoma, tuttavia è una tecnologia non abbastanza matura per essere utilizzata in molti scenari quotidiani, rendendo il guidatore umano ancora responsabile di tale compito. Questo crea un prob- lema di sicurezza, poiché gli esseri umani sono inclini a sbagliare, qualcosa che mentre si guida potrebbe causare incidenti. Per contrastare questo problema, sono state investite molte risorse e sviluppati sistemi di sicurezza per assistere i guidatori, in particolare i sistemi ADAS (Advanced Driver Assistance Systems) hanno contribuito a ridurre gli inci- denti. Tuttavia fanno fatica a determinare se necessario intervenire, a causa della difficoltà nel comprendere le intenzioni del guidatore e la su comprensione dell’ambiente circostante. Si è cercato di risolvere questo problema sviluppando algoritmi in grado di comprendere se il guidatore è attento o meno, ma ciò non risolve il problema dal momento che un guidatore potrebbe essere attento ma comunque commettere errori. Questo è il problema che questa tesi cerca di risolvere, introducendo un modello matematico in grado di simu- lare il processo Percettivo e Cognitivo di un umano che osserva un pedone che cammina. Il processo Percettivo è responsabile delle misurazioni visive fatte mentre si guarda un corpo esterno, e simula l’errore commesso nel farlo, mentre il processo Cognitivo è re- sponsabile della comprensione del movimento dei corpo esterno e di come lo si predice. In questa tesi si introduce un modello cognitivo per il movimento del pedone, svilup- pato come un filtro Bayesiano, più nello specifico partendo dalla struttura di un Filtro di Kalman Esteso si cercherà di sviluppare un filtro non ottimale, in modo da simulare meglio il processo cognitivo umano. I parametri del modello saranno quindi identificati con un dataset sviluppato per questo scopo. Infine, una campagna sperimentale sarà condotta in un ambiente virtuale utilizzando un visore di Realtà Virtuale, in modo da raccogliere informazioni sul processo cognitivo quando si osserva un ciclista.