RCP-RF: A Comprehensive Road-car-pedestrian Risk Management Framework based on Driving Risk Potential Field

要約

【タイトル】RCP-RF: 運転リスクポテンシャルフィールドに基づく包括的な道路-車両-歩行者リスク管理フレームワーク

【要約】

– 近年、交通事故が増加しており、特にAV技術のリスク評価フレームワークに関する広範な研究が進展している。
– しかし、既存の時間ベースのフレームワークは複雑な交通シナリオを扱えず、各移動オブジェクトの運動傾向がリスク分布に影響を与えることを無視しているため、性能が低下する。
– この問題に対処するため、我々は接続された自動運転車両（CAV）環境下のポテンシャルフィールド理論に基づいた包括的な運転リスク管理フレームワークであるRCP-RFを新しく提案した。歩行者リスク指標を統合した統一的な道路-車両運転リスク管理フレームワークである。
– 既存のアルゴリズムとは異なり、提案されたフレームワークでは自己と障害物の車両の運動傾向と歩行者要因が適切に考慮されており、運転リスクモデルの性能を向上させることができる。また、提案された方法ではO(N 2)の時間複雑性しか必要としない。
– 実証的研究により、提案されたフレームワークの優越性が実世界のデータセットNGSIMと実際のAVプラットフォームで状態-of-the-artメソッドに比べて検証された。

要約(オリジナル)

Recent years have witnessed the proliferation of traffic accidents, which led wide researches on Automated Vehicle (AV) technologies to reduce vehicle accidents, especially on risk assessment framework of AV technologies. However, existing time-based frameworks can not handle complex traffic scenarios and ignore the motion tendency influence of each moving objects on the risk distribution, leading to performance degradation. To address this problem, we novelly propose a comprehensive driving risk management framework named RCP-RF based on potential field theory under Connected and Automated Vehicles (CAV) environment, where the pedestrian risk metric are combined into a unified road-vehicle driving risk management framework. Different from existing algorithms, the motion tendency between ego and obstacle cars and the pedestrian factor are legitimately considered in the proposed framework, which can improve the performance of the driving risk model. Moreover, it requires only O(N 2) of time complexity in the proposed method. Empirical studies validate the superiority of our proposed framework against state-of-the-art methods on real-world dataset NGSIM and real AV platform.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI