Reachability-Based Confidence-Aware Probabilistic Collision Detection in Highway Driving

要約

リスク評価は、インテリジェント車両の衝突警告および回避システムの重要なコンポーネントです。
潜在的な車両の衝突を正確に検出するために、到達可能性に基づく正式なアプローチが開発され、運転の安全性が確保されていますが、過度に保守的であり、複雑な実世界のアプリケーションで偽陽性のリスク イベントにつながる可能性があります。
この作業では、2 つの到達可能性分析手法、つまり、後方到達可能セット (BRS) と確率的前方到達可能セット (FRS) を組み合わせて、高速道路の運転における統合された確率論的衝突検出フレームワークを提案します。
フレームワーク内では、まず BRS を使用して、2 台の車両の相互作用が安全かどうかを正式に確認できます。
それ以外の場合は、予測ベースの確率的 FRS を使用して、将来の各時間ステップでの衝突確率を推定します。
そうすることで、フレームワークは、安全性が保証された危険性の低いイベントを特定できるだけでなく、安全性が重要なイベントでの正確な衝突リスクの推定も提供できます。
確率論的 FRS を構築するために、周囲の車両のニューラル ネットワーク ベースの加速度モデルを開発し、さらに信頼性を考慮した動的信念を組み込んで予測精度を向上させます。
自然主義的な高速道路の運転データに基づいて加速予測モデルのパフォーマンスを検証するために広範な実験が行われ、自然主義的なシナリオとシミュレートされた高速道路のシナリオの両方で、注入された信頼信念を使用したフレームワークの効率と有効性がテストされます。
提案されたリスク評価フレームワークは、実際のアプリケーションで有望です。

要約(オリジナル)

Risk assessment is a crucial component of collision warning and avoidance systems in intelligent vehicles. To accurately detect potential vehicle collisions, reachability-based formal approaches have been developed to ensure driving safety, but suffer from over-conservatism, potentially leading to false-positive risk events in complicated real-world applications. In this work, we combine two reachability analysis techniques, i.e., backward reachable set (BRS) and stochastic forward reachable set (FRS), and propose an integrated probabilistic collision detection framework in highway driving. Within the framework, we can firstly use a BRS to formally check whether a two-vehicle interaction is safe; otherwise, a prediction-based stochastic FRS is employed to estimate a collision probability at each future time step. In doing so, the framework can not only identify non-risky events with guaranteed safety, but also provide accurate collision risk estimation in safety-critical events. To construct the stochastic FRS, we develop a neural network-based acceleration model for surrounding vehicles, and further incorporate confidence-aware dynamic belief to improve the prediction accuracy. Extensive experiments are conducted to validate the performance of the acceleration prediction model based on naturalistic highway driving data, and the efficiency and effectiveness of the framework with the infused confidence belief are tested both in naturalistic and simulated highway scenarios. The proposed risk assessment framework is promising in real-world applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google