Benchmarks for Retrospective Automated Driving System Crash Rate Analysis Using Police-Reported Crash Data

要約

米国では完全自動運転システム (ADS、SAE レベル 4) の配車サービスが拡大しており、私たちは現在変曲点に近づいており、ADS の安全性への影響を遡及的に評価するプロセスが統計的に信頼できる結論を導き始める可能性があります。
ADS の安全性への影響を測定するには、「ベンチマーク」衝突率との比較が必要です。
この研究は、警察が報告した衝突事故を活用して、現在の ADS 配備による複数の地理的エリアにおける人身事故率を生成することにより、既存の文献に対処、更新、拡張することを目的としています。
活用されたすべてのデータは公的にアクセス可能であり、ベンチマーク決定方法は再現可能かつ透明であることを目的としています。
ADS の衝突データと同等のベンチマークを生成するには、データの選択、過少報告と報告しきい値の処理、比較するドライバーと車両の母集団の特定、評価する適切な重大度レベルの選択、衝突と走行距離の一致など、特定の課題が伴います。
露出データ。
したがって、ベンチマークを生成する際の重要な手順を特定し、既存の ADS ベンチマーク文献を背景に分析を提示します。
提示された分析の 1 つは、公的に入手可能な ADS 衝突データとの比較可能性を向上させるために、公的に入手可能な人間のドライバーの警察が報告したデータに対する確立された過小報告修正方法論の使用です。
また、地理的地域、道路の種類、車両の種類を制御する際の重要な依存関係を特定し、これらの特徴の制御に失敗すると結果にどのような偏りが生じる可能性があるかを示します。
この一連の作業は、研究者、規制当局、業界、専門家などのコミュニティが、正確なベンチマークを推定する方法について合意に達する能力に貢献することを目的としています。

要約(オリジナル)

With fully automated driving systems (ADS; SAE level 4) ride-hailing services expanding in the US, we are now approaching an inflection point, where the process of retrospectively evaluating ADS safety impact can start to yield statistically credible conclusions. An ADS safety impact measurement requires a comparison to a ‘benchmark’ crash rate. This study aims to address, update, and extend the existing literature by leveraging police-reported crashes to generate human crash rates for multiple geographic areas with current ADS deployments. All of the data leveraged is publicly accessible, and the benchmark determination methodology is intended to be repeatable and transparent. Generating a benchmark that is comparable to ADS crash data is associated with certain challenges, including data selection, handling underreporting and reporting thresholds, identifying the population of drivers and vehicles to compare against, choosing an appropriate severity level to assess, and matching crash and mileage exposure data. Consequently, we identify essential steps when generating benchmarks, and present our analyses amongst a backdrop of existing ADS benchmark literature. One analysis presented is the usage of established underreporting correction methodology to publicly available human driver police-reported data to improve comparability to publicly available ADS crash data. We also identify important dependencies in controlling for geographic region, road type, and vehicle type, and show how failing to control for these features can bias results. This body of work aims to contribute to the ability of the community – researchers, regulators, industry, and experts – to reach consensus on how to estimate accurate benchmarks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google