Practical Equivalence Testing and Its Application in Synthetic Pre-Crash Scenario Validation

要約

代表的なクラッシュ前シナリオの使用は、シミュレーションによる運転自動化システムの安全性への影響を評価するために重要です。
ただし、合成と現実世界の事前クラッシュシナリオとそれらのクラッシュ特性の類似性の堅牢な評価にはギャップが残っています。
適切な検証がなければ、合成テストシナリオが実際の運転行動とクラッシュ特性を適切に表すことを保証することはできません。
この検証ギャップの理由の1つは、評価範囲を考慮して、合成テストシナリオが実際のシナリオと実質的に同等であることを確認する方法に焦点を合わせていないことです。
有意性テストなどの従来の統計的方法は、同等性を確立するのではなく、違いを検出することに焦点を当てています。
違いを検出できないことは同等性を意味するものではないため、合成前のクラッシュシナリオとクラッシュ特性を検証するための適用性が限られています。
この研究では、実用的な等価性（ロープ）フレームワークのベイジアン領域に基づいて同等のテスト方法を提案することにより、このギャップに対処します。
この方法は、意図された評価に最も関連するシナリオ特性の実用的な同等性を評価するように設計されており、仮想安全性評価のドメインに特に適しています。
まず、既存の同等性テスト方法を確認します。
次に、2つのリアエンド前クラッシュデータセットの等価性をテストすることにより、ベイジアンロープベースの方法を提案および実証します。
私たちのアプローチは、最も関連性の高いシナリオ特性に焦点を当てています。
私たちの分析は、合成テストシナリオの検証における同等性テストの実用性と有効性に関する洞察を提供し、自動化された車両安全評価のための合成データの信頼性を改善するためのテストの重要性と、その後の安全影響評価の信頼性を示しています。

要約(オリジナル)

The use of representative pre-crash scenarios is critical for assessing the safety impact of driving automation systems through simulation. However, a gap remains in the robust evaluation of the similarity between synthetic and real-world pre-crash scenarios and their crash characteristics. Without proper validation, it cannot be ensured that the synthetic test scenarios adequately represent real-world driving behaviors and crash characteristics. One reason for this validation gap is the lack of focus on methods to confirm that the synthetic test scenarios are practically equivalent to real-world ones, given the assessment scope. Traditional statistical methods, like significance testing, focus on detecting differences rather than establishing equivalence; since failure to detect a difference does not imply equivalence, they are of limited applicability for validating synthetic pre-crash scenarios and crash characteristics. This study addresses this gap by proposing an equivalence testing method based on the Bayesian Region of Practical Equivalence (ROPE) framework. This method is designed to assess the practical equivalence of scenario characteristics that are most relevant for the intended assessment, making it particularly appropriate for the domain of virtual safety assessments. We first review existing equivalence testing methods. Then we propose and demonstrate the Bayesian ROPE-based method by testing the equivalence of two rear-end pre-crash datasets. Our approach focuses on the most relevant scenario characteristics. Our analysis provides insights into the practicalities and effectiveness of equivalence testing in synthetic test scenario validation and demonstrates the importance of testing for improving the credibility of synthetic data for automated vehicle safety assessment, as well as the credibility of subsequent safety impact assessments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google