要約
一般の人々、規制当局、専門家は同様に、導入された SAE レベル 4 自動運転システム (ADS) テクノロジーが安全性に与える影響を理解しようとしています。
最近の ADS テクノロジー導入の拡大により、初期段階の安全影響評価への道が開かれています。これにより、ADS と代表的なベンチマーク フリートの両方からの観測データが比較され、安全性能が定量化されます。
2024 年 1 月、学界、保険、業界の専門家からなる作業グループがワシントン DC に集まり、そのような評価を実施する際の現在および将来の課題について議論しました。
その後、この作業グループの一部がバーチャルで複数回会合を開き、この文書を作成しました。
このペーパーでは、遡及的な ADS 性能比較を実行および評価するための 15 の推奨事項からなる RAVE (遡及的自動車両評価) チェックリストを紹介します。
推奨事項は、(1) 品質と有効性、(2) 透明性、(3) 解釈の概念を中心にしています。
時間の経過とともに、これらの ADS フリートの観察されたパフォーマンスを評価する大規模で多様な作業が行われることが予想されます。
優れた科学的実践を確立し推進することは、関係者の活動に利益をもたらしますが、その多くは対象分野の専門家ではない可能性があります。
この作業グループの目的は、i) 個別の調査研究を強化すること、および ii) この集合的な作業群を評価する方法について、コミュニティ全体にさらに多くの情報を提供することです。
要約(オリジナル)
The public, regulators, and domain experts alike seek to understand the effect of deployed SAE level 4 automated driving system (ADS) technologies on safety. The recent expansion of ADS technology deployments is paving the way for early stage safety impact evaluations, whereby the observational data from both an ADS and a representative benchmark fleet are compared to quantify safety performance. In January 2024, a working group of experts across academia, insurance, and industry came together in Washington, DC to discuss the current and future challenges in performing such evaluations. A subset of this working group then met, virtually, on multiple occasions to produce this paper. This paper presents the RAVE (Retrospective Automated Vehicle Evaluation) checklist, a set of fifteen recommendations for performing and evaluating retrospective ADS performance comparisons. The recommendations are centered around the concepts of (1) quality and validity, (2) transparency, and (3) interpretation. Over time, it is anticipated there will be a large and varied body of work evaluating the observed performance of these ADS fleets. Establishing and promoting good scientific practices benefits the work of stakeholders, many of whom may not be subject matter experts. This working group’s intentions are to: i) strengthen individual research studies and ii) make the at-large community more informed on how to evaluate this collective body of work.
arxiv情報
| 著者 | John M. Scanlon,Eric R. Teoh,David G. Kidd,Kristofer D. Kusano,Jonas Bärgman,Geoffrey Chi-Johnston,Luigi Di Lillo,Francesca Favaro,Carol Flannagan,Henrik Liers,Bonnie Lin,Magdalena Lindman,Shane McLaughlin,Miguel Perez,Trent Victor |
| 発行日 | 2024-08-14 18:14:40+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google