Driver Attention Assessment from Gaze and Situational Variables

Fahrer, die der Fahrsituation nicht genügend Aufmerksamkeit widmen, stellen eine Gefahr für die Verkehrssicherheit dar. Dies liegt daran, dass in diesem Fall das Fahrvermögen der Betroffenen deutlich verringert ist, was in Folge zu einem erhöhten Unfallrisiko führt. Deshalb versprechen Systeme, die die Fahreraufmerksamkeit automatisch beurteilen und entsprechend warnen oder eingreifen können, eine große Verbesserung der Verkehrssicherheit. Hierbei ist aber eine genaue und echtzeitfähige Beurteilung der Fahreraufmerksamkeit bezüglich des damit verbundenen Unfallrisikos erforderlich.
... mehr
Diese Dissertation führt eine neue Methode zur Beurteilung von Fahreraufmerksamkeit im situativen Kontext ein. Es wird vorgeschlagen angemessenes Blickverhalten durch Blickstrategien in einem entscheidungstheoretischen Formalismus festzulegen. In diesem Ansatz werden Modelle der Fahrsit- uation sowie der Wahrnehmung und der Fahrzeugführung des Fahrers verwendet. Bisherige Arbeiten beurteilen Fahreraufmerksamkeit zumeist alleine anhand Fahr- und Blickverhaltens. Ein deutlicher Nachteil ist dabei, dass somit das Zusammenspiel aus Fahrerverhalten, Fahrsituation und Unfallrisiko vernachlässigt wird. Das ist umso gravierender, da bekannt ist, dass erfahrene Fahrer an die Fahrsituation abgestimmte Blickstrategien zeigen, die die Beeinträchtigung ihrer Fahrleistung abmildern können. Ähnliche Blickstrategien enstehen auf natürliche Art und Weise aus dem gewählten entscheidungstheoretischen Ansatz.
In der Arbeit wird der entscheidungstheoretische Ansatz beispielhaft an der Fahraufgabe des Spurhaltens untersucht. Hier wird auf die Modellbildung, die Echtzeitberechnung, die passende Parametrisierung sowie auf die Evaluierung der Methode in der Anwendung in einem neuen Warnsystem eingegangen.
Zuerst wird die Aufgabe des Spurhaltens bei einer Nebenaufgabe, die um die visuelle Aufmerksamkeit konkurriert, modelliert. Dazu wird ein Partially Observable Markov Decision Process (POMDP) verwendet, der ein kinematisches Model der Fahraufgabe, ein Model der sensorischen Eigenschaften des Fahrers sowie ein Modell der Nebenaufgabe enthält. Danach wird die Berechnung von Strategien in dem POMDP untersucht. Diese Strategien dienen dazu das angemessene Blickverhalten festzulegen. Schließlich wird die Wirklichkeitstreue dieser Strategien überprüft und der erforderliche Rechenaufwand analysiert.
Zweitens wird die Wahl einer passenden Belohnungsfunktion betrachtet. Diese ist deswegen von Bedeutung, da sie schlussendlich das angemessene Blickverhalten festlegt. Es wird ein neues Verfahren der inversen optimalen Steuerung entwickelt, das es vermag Parameter der Belohnungsfunktion aus dem Verhalten erfahrener Fahrer zu schätzen. In einem Experiment im Realverkehr erhobenes Fahrerverhalten wird benutzt um die entwickelte Methode hinsichtlich der Genauigkeit in der Verhaltensvorhersage zu prüfen.
Die vorliegende Arbeit untersucht drittens die Schätzung von Modellen der sensorischen Eigenschaften von Fahrern. Dazu wird der erste allgemeine Ansatz für dieses Inferenzproblem in sequenziellen Entscheidungsproblemen vorgestellt. Darauffolgend wird eine Umsetzung des Ansatzes für den vorherig eingeführten POMDP entwickelt. Das resultierende Verfahren wird mittels Fahrverhaltensdaten aus einem weiteren Fahrversuch geprüft.
Schließlich wird viertens die Entwicklung eines Warnsystems und dessen Einbindung in ein Versuchsfahrzeug verfolgt. Das System zielt darauf ab den Fahrer bei der Aufrechterhaltung von genügen Aufmerksamkeit zu unterstützen. In einem abschließenden Nutzertest wird das entwickelte System mit einem Warnsystem nach dem aktuellen Stand der Technik verglichen, wobei sowohl die Akzeptanz durch die Nutzer als auch die Auswirkungen auf die Fahrleistung untersucht werden.
Im Ganzen verdeutlicht diese Arbeit die Umsetzbarkeit und die Vorteile des verfolgten Ansatzes des angemessenen Blickverhaltens für die automatische Bewertung von Fahreraufmerksamkeit. Es wurde gezeigt, dass der benötigte Rechenaufwand eine Echtzeitanwendung zulässt und dass geeignete Modellparameter automatisch geschätzt werden können. Schließlich wurde die Verbesserung eines Ablenkungswarnsystems belegt. Folglich stellt die Methodologie, die in dieser Arbeit eingeführt wurde, einen vielversprechenden neuen Ansatz zur Bewertung von Fahreraufmerksamkeit dar, der die Probleme des aktuellen Standes der Technik vermeidet.

Drivers who pay insufficient attention to the road scenery may become a road hazard. This is because their driving performance is significantly impaired which results in increased crash risk. Therefore, automatic systems that can assess the driver’s attention and intervene or warn accordingly promise a great benefit for road safety. In this context, a precise and real-time assessment of driver attention with respect to the associate crash risk is required.
The present thesis establishes a novel framework for assessment of driver’s visual attention in the situational context. ... mehrIt is proposed to define appropriated glance behavior by means of a rational policy in a decision theoretic formalism. This approach features both models of the driving situation as well as the driver’s perception and vehicle control. In previous work the driver’s attention is mostly assessed based on driving and glance behavior alone. A significant drawback is that the important interactions between driver behavior, situational context and crash risk are neglected. This is especially problematic as experienced drivers haven been shown to apply situationally adaptive glance behavior which can to some extend mitigate impairment of driving performance. In the decision theoretic framework proposed in this thesis, similar rational glance strategies naturally emerge.
In this work the decision theoretic model of appropriate glance behavior is investigated at the exemplar driving task of lane keeping. The thesis addresses model development, real-time computation, suitable parameterization as well as evaluation in application for a novel warning system.
First, the task of lane keeping in presence of an additional task concurring for visual attention is modeled. This is done by means of a Partially Observable Markov Decision Process (POMDP) which features a kinematic model of the driving task, a model of the driver’s sensor characteristics and a model of the additional task as well as corresponding reward functions. In this POMDP approaches for computation of rational policies are considered. These policies are used to define appropriate glance behavior. Finally, the policies are evaluated with respect to realism and the involved computational demands.
Second, this work considers the suitable parameterization of the reward functions of the POMDP. This is of importance because the reward parameterization in the end determines the computed appropriate glance behavior. A novel Inverse Optimal Control (IOC) approach is developed for estimation of reward parameters from the behavior of experienced drivers. The methodology is evaluated with respect to prediction of driver behavior recorded in a driving experiment in real traffic.
Third, the estimation of models of the driver’s sensor characteristics is addressed. For this purpose, the first general inference framework for sensor models underlying behavior in sequential decision making problems is established. The implementation of the framework for the previously developed POMDP model is derived. An evaluation of the proposed approach using behavioral data from a second driving experiment is conducted.
Fourth and finally, a novel warning system to assist the driver in maintaining sufficient attention is developed and implemented in a test vehicle. The new system is compared to a state-of-the-art warning approach by means of an evaluation in a user study. Here, both user acceptance and effects on driving performance are considered.
Overall, this thesis demonstrated the viability of the pursued concept of appropriate glance behaviour for situation-specific assessment of driver attention. It was shown that computational demands are feasible for real-time application and that suitable model parameters can automatically be inferred. Furthermore, the benefits for improvement of a distraction warning system were proven. Consequently, the methodology established in this thesis is a promising new approach for assessment of driver attention that avoids the issues of the current state-of-the-art.