Fractional Collisions: A Framework for Risk Estimation of Counterfactual Conflicts using Autonomous Driving Behavior Simulations

要約

自動化された運転システム（AD）または自然主義的な運転データベースのセンサーデータに基づいて構築された反事実的なシミュレーションシナリオからの衝突リスクを推定するための方法論を提示します。
2つのエージェント競合は、競合タイプを検出および分類し、エージェントの役割（イニシエーターまたはレスポンダー）を特定し、応答者の反応点を特定し、人間の行動期待を確率論的な反事実的軌跡としてモデル化することによって評価されます。
状態は、衝突時の速度微分を計算するために使用されます。衝突モデルと組み合わせると、確率的損傷または物的損傷の観点から損失の重症度を推定します。
確率モデルは、シミュレーション、機能、およびエージェントに関連する他の不確実性を含むように拡張される場合があります。
VTTIのSHRP2データベースとNEXARダッシュボードカメラデータから供給された300以上の衝突およびほぼ衝突シーンからの再構築された軌道を使用して、合成シミュレーション環境での方法論の有効性を検証します。
私たちの方法論は、グラウンドトゥルースの衝突の1％内で分数衝突を予測しました。
次に、これらの合成再構成の自然主義的なレスポンダーをADSシミュレーターに置き換え、結果を人間反応の結果と比較することにより、任意のADSソフトウェアリリースのエージェント開始衝突リスクを評価します。
私たちの広告は、自然主義的な衝突を4倍に減らし、分数衝突リスクを約62％減らしました。
フレームワークのユーティリティは、ADSテスト車両で収集された250kマイルの独自のオープンループセンサーデータでも実証され、任意のADSソフトウェアリリースで再シミュレートされています。
ADSは、0.4の怪我を引き起こし、1.7のプロパティダメージを与えた分数衝突を引き起こした競合を開始し、ADSはエージェント開始紛争の96％で衝突リスクを改善しました。

要約(オリジナル)

We present a methodology for estimating collision risk from counterfactual simulated scenarios built on sensor data from automated driving systems (ADS) or naturalistic driving databases. Two-agent conflicts are assessed by detecting and classifying conflict type, identifying the agents’ roles (initiator or responder), identifying the point of reaction of the responder, and modeling their human behavioral expectations as probabilistic counterfactual trajectories. The states are used to compute velocity differentials at collision, which when combined with crash models, estimates severity of loss in terms of probabilistic injury or property damage, henceforth called fractional collisions. The probabilistic models may also be extended to include other uncertainties associated with the simulation, features, and agents. We verify the effectiveness of the methodology in a synthetic simulation environment using reconstructed trajectories from 300+ collision and near-collision scenes sourced from VTTI’s SHRP2 database and Nexar dashboard camera data. Our methodology predicted fractional collisions within 1% of ground truth collisions. We then evaluate agent-initiated collision risk of an arbitrary ADS software release by replacing the naturalistic responder in these synthetic reconstructions with an ADS simulator and comparing the outcome to human-response outcomes. Our ADS reduced naturalistic collisions by 4x and fractional collision risk by ~62%. The framework’s utility is also demonstrated on 250k miles of proprietary, open-loop sensor data collected on ADS test vehicles, re-simulated with an arbitrary ADS software release. The ADS initiated conflicts that caused 0.4 injury-causing and 1.7 property-damaging fractional collisions, and the ADS improved collision risk in 96% of the agent-initiated conflicts.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google