Abstrakti
”Autonomiset ajoneuvot arvioitujen liikenteen osallistujien inhimillisen käyttäytymisen ja heidän vuorovaikutuksensa vuoksi ovat automaattisen ajojärjestelmän suurin ongelma. Klassisessa kognitiivisessa teoriassa oletetaan, että ihmisliikenteen osallistujien käyttäytyminen on täysin järkevää tarkasteltaessa aikomuksen ja vuorovaikutuksen arviointia. Kvanttikognitio- ja päätösteorian sekä käytännön liikennetapausten mukaan ihmisen käyttäytyminen mukaan lukien liikennekäyttäytyminen on kuitenkin usein kohtuutonta, mikä rikkoo klassista kognitio- ja päätösteoriaa. Kvanttikognitiiviseen teoriaan perustuvassa artikkelissa tutkitaan jalankulkijoiden ylitysten kognitiivista ongelmaa. Tapausanalyysin avulla on osoitettu, että Quantum-like Bayesin (QLB) malli pystyy huomioimaan jalankulkijoiden kohtuullisuuden tien ylittäessä klassiseen todennäköisyysmalliin verrattuna, ja se vastaa paremmin todellista tilannetta. Liikeradan ennustuskoe osoittaa, että QLB-malli voi kattaa reunatapahtumat interaktiivisissa kohtauksissa verrattuna dataohjautuvaan Social-LSTM-malliin, mikä on yhdenmukaisempi todellisen lentoradan kanssa. Tämä artikkeli tarjoaa uuden referenssin kognitiivisen aikomusongelman tutkimukselle, joka koskee ihmisliikenteen osallistujien rationaalista käyttäytymistä autonomisessa ajossa.
Lähde: https://semiengineering.com/research-on-quantum-cognition-in-autonomous-driving/
