要約
車両システムの開発と安全性の保証を支援するために、シナリオベースのフレームワークがいくつか存在します。
ただし、さまざまなレベルの症例の重大度、データの豊富さ、代表性を提供するさまざまなタイプのデータセットを組み合わせたアプローチが必要です。
この調査では、シナリオの定義、融合、パラメータ化、テスト ケースの生成を含む、統合されたシナリオ ベースの分析アプローチを紹介します。
このプロセスでは、米国の 10 年間にわたる死亡事故と非死亡事故の全国的なデータが、3,400 万マイルを超える自然主義的な運転データと組み合わされます。
このアプローチを示すために、「交差点での曲がり角」という例示的なシナリオが選択されています。
まず、シナリオ定義は、レコードベースのデータと連続的な時系列データの両方から確立されます。
次に、頻度分析を実行して、同じシナリオのイベントがデータセット全体で異なる重大度でどのくらいの頻度で発生するかを把握します。
3 番目に、シナリオに関連する重要な要素とさまざまなパラメーターの分布を示す分析が実行されます。
最後に、両方のタイプのデータを代表的なテスト ケース シナリオに結合する方法を示します。
これらの手法は、2 つの主な方法でシナリオの代表性を向上させます。1 つは、日常的なイベントから致命的なクラッシュに至るまでのあらゆるケースを取り込むことです。
2 番目に、大規模な全国データセットと自然主義データセットを組み合わせることで、コンテキスト豊富な複数年分のデータを提供します。
要約(オリジナル)
Several scenario-based frameworks exist to aid in vehicle system development and safety assurance. However, there is a need for approaches that combine different types of datasets that offer varying levels of case severity, data richness, and representativeness. This study presents an integrated scenario-based analysis approach that encompasses scenario definition, fusion, parametrization, and test case generation. For this process, ten years of fatal and non-fatal national crash data from the United States are combined with over 34 million miles of naturalistic driving data. An illustrative example scenario, ‘turns at intersection’, is chosen to demonstrate this approach. First, scenario definitions are established from both record-based and continuous time series data. Second, a frequency analysis is performed to understand how often events from the same scenario occur at different severities across datasets. Third, an analysis is performed to show the key factors relevant to the scenario and the distribution of various parameters. Finally, a method to combine both types of data into representative test case scenarios is presented. These techniques improve scenario representativeness in two major ways: first, they populate an entire spectrum of cases ranging from routine events to fatal crashes; and second, they provide context-rich, multi-year data by combining large-scale national and naturalistic datasets.
arxiv情報
| 著者 | Gibran Ali,Kaye Sullivan,Eileen Herbers,Vicki Williams,Dustin Holley,Jacobo Antona-Makoshi,Kevin Kefauver |
| 発行日 | 2024-07-29 13:09:02+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google