要約
現在までに、自動化された車両（AV）のオープンロードテストで数百のクラッシュが発生しており、AVの信頼性と安全性を改善する必要性を強調しています。
プリクラッシュシナリオ類型は、車両のダイナミクスと運動学の機能に基づいてクラッシュを分類します。
これに基づいて、特性分析は同様のクラッシュの下で同様の機能を特定し、一般的なクラッシュパターンをより効果的に反映し、AVパフォーマンスを向上させるためのよりターゲットを絞った推奨事項を提供することができます。
しかし、現在の研究は、主に従来の人間主導の車両間のクラッシュに集中しており、詳細なAVクラッシュ分析に特化した研究にギャップを残しています。
この論文では、最新のCalifornia AV Collisionレポートを分析し、新しく改訂された事前クラッシュシナリオの類型を使用して、クラッシュ前のシナリオを特定しました。
これらのAVプリクラッシュシナリオを自動的に抽出し、98.1％の精度で24のタイプを正常に識別し、詳細な分析を通じてAVクラッシュの2つの重要なシナリオ（つまり、リアエンドシナリオと交差シナリオ）を取得するための一連のマッピングルールを提案しました。
リアエンドシナリオの関連分析では、重要な環境影響要因がトラフィックコントロールの種類、ロケーションタイプ、光などであることが示されました。詳細な説明で深刻なクラッシュを起こしやすい交差点シナリオの場合、因果分析を採用して重要な因果要因を採用しました。
その後、最適化の推奨事項が策定され、政府の監視とAVメーカーの潜在的な改善の両方に対処しました。
この論文の調査結果は、政府当局が関連する規制の開発を導くことができ、製造業者がAVテストシナリオを設計し、さまざまな現実世界のシナリオに固有の制御アルゴリズムの潜在的な欠点を特定し、AVシステムを効果的に最適化するのに役立ちます。
要約(オリジナル)
To date, hundreds of crashes have occurred in open road testing of automated vehicles (AVs), highlighting the need for improving AV reliability and safety. Pre-crash scenario typology classifies crashes based on vehicle dynamics and kinematics features. Building on this, characteristics analysis can identify similar features under comparable crashes, offering a more effective reflection of general crash patterns and providing more targeted recommendations for enhancing AV performance. However, current studies primarily concentrated on crashes among conventional human-driven vehicles, leaving a gap in research dedicated to in-depth AV crash analyses. In this paper, we analyzed the latest California AV collision reports and used the newly revised pre-crash scenario typology to identify pre-crash scenarios. We proposed a set of mapping rules for automatically extracting these AV pre-crash scenarios, successfully identifying 24 types with a 98.1% accuracy rate, and obtaining two key scenarios of AV crashes (i.e., rear-end scenarios and intersection scenarios) through detailed analysis. Association analyses of rear-end scenarios showed that the significant environmental influencing factors were traffic control type, location type, light, etc. For intersection scenarios prone to severe crashes with detailed descriptions, we employed causal analyses to obtain the significant causal factors: habitual violations and expectations of certain behavior. Optimization recommendations were then formulated, addressing both governmental oversight and AV manufacturers’ potential improvements. The findings of this paper could guide government authorities to develop related regulations, help manufacturers design AV test scenarios, and identify potential shortcomings in control algorithms specific to various real-world scenarios, thereby optimizing AV systems effectively.
arxiv情報
| 著者 | Yixuan Li,Xuesong Wang,Tianyi Wang,Qian Liu |
| 発行日 | 2025-02-28 07:10:53+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google