Developing a Virtual Driving Instructor

Abstract

De fleste av dagens voksne har en viss grad av forståelse for trafikkdomenet. Hvordan representere dette domenet har vært et aktivt og populært forskningsområde i mange år, spesielt innenfor trafikkhåndtering og selvkjørende biler. Som en konsekvens har god forståelse for domenet og mulige måter å resonere rundt trafikk blitt oppdaget. Derimot har forskning rundt hvordan evaluere en sjåførs prestasjoner fått mindre oppmerksomhet.

Denne oppgaven undersøker implementasjonen av en virtuell kjørelærer, som vinkler en sjåførs situasjonsforståelse ut i fra "situasjonsbevissthet" og gir konstruktiv tilbakemelding basert på denne. Denne nyskapende tilnærmingen til å identifisere sjåførfeil, undersøkes gjennom analyse og diskusjon av scenarier kjørt gjennom i en kjøresimulator som senere evalueres i en implementasjon av konseptbevis. Dette konseptbeviset ble implementert som et multi-agent system hvor situasjonen ble representert i en ontologi.

En profesjonell kjørelærer ble bedt om å gi tilbakemelding på de samme scenariene som konseptbeviset. En sammenligning mellom de to fungerte som valideringsgrunnlag for konseptbeviset. Initielle resultater var noe lovende, hvor systemet var i stand til å korrekt vurdere brudd på vikeplikt og råkjøring. Konseptbeviset og kjørelæreren var enige 83% av tiden. Enigheten kunne derimot være så lav som 42% for vanskelige situasjoner. Foreslåtte forbedringer har blitt identifisert og videre arbeid for et fullverdig system, ment til å gjøre evalueringer og gi tilbakemelding i sanntid, blir foreslått.

Today, most adults understand the domain of traffic to some extent. Ways of representing this domain has been an active and popular area of research in recent years, especially focusing on traffic management and autonomous vehicles. Consequently, a good understanding of the domain and feasible ways of reasoning about traffic situations have been discovered. However, research regarding ways of evaluating a driver's performance has received less focus.

This thesis investigates the implementation of a virtual driving instructor, which frames the driver's understanding of the situation using situation awareness and provides corrective feedback on the basis of it. This novel approach to identifying driver mistakes is investigated through analysis and discussion of scenarios driven in a driving simulator and later evaluated by a proof of concept implementation. The proof of concept was implemented as a multi-agent system representing the situation in an ontology.

A professional driving instructor was consulted to provide feedback for the same scenarios as the proof of concept. A comparison between the two served as the basis for the validation of the proof of concept. Initial results were somewhat promising, with the system being able to correctly evaluate violations of having to yield or speeding. The proof of concept and the driving instructor agreed 83% of the time. However, the agreement could go as low as 42% for difficult situations. Suggested improvements are identified and future work for a full system implementation, designed for real-time evaluation and feedback, is proposed.