Probabilistic Risk Assessment of an Obstacle Detection System for GoA 4 Freight Trains

要約

この論文では、自動化グレード (GoA) ~ 4 の低速貨物列車の障害物検出機能の設計のための定量的リスク評価アプローチについて説明します。
この 5 段階のアプローチでは、単一の検出チャネルから始まり、3 つの独立したデュアルチャネル モジュールと投票者で構成される 3 つのうち 3 (3oo3) モデルで終わり、統計的手法の組み合わせを使用した確率的評価が例示されます。
メソッドとパラメトリック確率モデル検査。
不合理ではない特定の仮定の下では、結果として得られるハザード率が特定のアプリケーション設定で許容できるようになることが示されています。
畳み込みニューラル ネットワークや従来の画像処理ソフトウェアにおける誤分類の残留リスクを評価するための統計的アプローチは、たとえその実装に現実的な機械学習の不確実性が含まれていたとしても、セーフティ クリティカルな障害物検出機能に高い信頼を置くことができることを示唆しています。

要約(オリジナル)

In this paper, a quantitative risk assessment approach is discussed for the design of an obstacle detection function for low-speed freight trains with grade of automation (GoA)~4. In this 5-step approach, starting with single detection channels and ending with a three-out-of-three (3oo3) model constructed of three independent dual-channel modules and a voter, a probabilistic assessment is exemplified, using a combination of statistical methods and parametric stochastic model checking. It is illustrated that, under certain not unreasonable assumptions, the resulting hazard rate becomes acceptable for specific application settings. The statistical approach for assessing the residual risk of misclassifications in convolutional neural networks and conventional image processing software suggests that high confidence can be placed into the safety-critical obstacle detection function, even though its implementation involves realistic machine learning uncertainties.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google