Development of a nonlinear MPC-based autonomous driver capable of human-like roadmanship

Drivers level of attention is a crucial factor that influence road traffic and accidents. In the next future autonomous vehicles will coexist with human drivers, therefore they should be able to handle driver distraction behaviors. The objective of this project is to tackle this problem designing a nonlinear MPC controller for autonomous vehicles that is capable of a human-like response to distracted drivers. A key feature of the controller is the ability to interact with other vehicles, resembling human decisions, in order to return a reliability feeling to the passengers and the other human driven vehicles around, despite the unpredictable behavior of distracted human drivers. To achieve this objective, a framework of Artificial Potential Fields has been defined, in order to define boundaries that the automated vehicle can interact with. The artificial potential field are designed to guide the controller and adapt to the other drivers. An analysis of driving simulator data of drivers with different driving conditions (baseline, cognitive distraction, visual distraction, emergency) has been carried out. The solution has been tested in a MATLAB simulation environment evaluating the interaction of the simulated autonomous driver with human driven vehicles.

Il livello di attenzione degli automobilisti è un aspetto determinante in situazioni di traffico e incidenti. Quando i veicoli autonomi saranno introdotti nel prossimo futuro, questi dovranno essere in grado di gestire la distrazione degli automobilisti umani. L’obiettivo di questo progetto è quello di affrontare questo problema, sviluppando un controllore di tipo MPC nonlineare per la guida autonoma che sia in grado di gestire i comportamenti derivati dalla distrazione in maniera simile a come farebbe un essere umano. Una caratteristica chiave del controllore è l’abilità di interagire con altri veicoli, ricalcando decisioni simil umane, per risultare affidabile sia ai passeggeri, sia agli altri guidatori, gestendo i comportamenti inaspettati dei guidatori disattenti. Per raggiungere questo obiettivo, è stato definito un framework di Funzioni Potenziale Artificiali, che descrive i limiti con cui il veicolo autonomo può interagire. Le Funzioni sono state progettate per guidare il controllore e si adattano agli altri guidatori. Sono stati analizzati dati sperimentali di guidatori in diverse condizioni (comportamento base, distrazione cognitiva, distrazione visiva, comportamento rischioso) ottenuti con un simulatore di guida. La soluzione proposta è stata testata con simulazioni in ambiente MATLAB, valutando l’interazione tra controllore e veicoli guidati da esseri umani.