Investigadores de la Universidad de Tsinghua han propuesto un modelo llamado Enhanced Driving Risk Field (EDRF), que se centra en la evaluación de riesgos de conducción tanto para vehículos autónomos como conducidos por humanos. Este modelo integra predicciones multimodales de trayectorias basadas en deep learning y modelos de distribución Gaussiana para capturar de manera cuantitativa la incertidumbre en el comportamiento del tráfico. La aplicación del EDRF se ha mostrado efectiva en varios escenarios de conducción, ilustrando los potenciales cambios de carril o giros de los vehículos.

La evaluación del riesgo de tráfico mediante el EDRF se realiza a través del cálculo de una Probabilidad de Riesgo de Conducción (DRP) a lo largo de trayectorias predictivas, considerando el riesgo como el producto de la probabilidad del evento y su consecuencia. Para ello, se utilizan parámetros que modelan el riesgo como una función parabólica decreciente a lo largo de la trayectoria, aumentando su dispersión a mayor curvatura prevista por el vehículo.

El nuevo modelo ha sido probado en escenarios ficticios y de bases de datos existentes, como Argoverse, con resultados prometedores. Los investigadores proporcionaron ejemplos de aplicación del EDRF para monitorización de riesgos en carreteras, análisis de riesgo para el vehículo ego, y planificación de movimiento y trayectorias, siendo su enfoque útil para prever y evitar posibles colisiones.

El EDRF también permite monitorizar interacciones entre pares de vehículos, combinando sus respectivas probabilidades de riesgo. Así, es posible destacar aquellas situaciones de tráfico donde el nivel de riesgo supera ciertos umbrales, advirtiendo al conductor de un HDV o activando sistemas de frenado de emergencia en vehículos autónomos. Asimismo, el modelo facilita la planificación de trayectorias, sugiriendo al controlador automatizado la selección de rutas más seguras basado en la valoración del riesgo.

Estos resultados destacan la necesidad de aplicar métodos estandarizados y refinados para la evaluación de riesgo, algo que el EDRF propone lograr con su aproximación unificada. La investigación futura se centrará en validar la efectividad del EDRF a gran escala y explorar su potencial para generar comportamientos de conducción más humanos en vehículos autónomos.