Reachability-Based Confidence-Aware Probabilistic Collision Detection in Highway Driving

要約

リスク評価は、インテリジェント車両の衝突警告および衝突回避システムの重要な要素です。
潜在的な車両衝突を正確に検出するために、運転の安全性を確保するために到達可能性ベースの正式なアプローチが開発されてきましたが、過度の保守主義に悩まされ、複雑な現実世界のアプリケーションでは潜在的に誤検知のリスクイベントにつながる可能性があります。
この研究では、後方到達可能セット (BRS) と確率的前方到達可能セット (FRS) という 2 つの到達可能性解析手法を組み合わせて、高速道路走行における統合された確率的衝突検出フレームワークを提案します。
この枠組み内では、まず BRS を使用して 2 台の車両の相互作用が安全かどうかを正式に確認できます。
それ以外の場合は、予測ベースの確率的 FRS を使用して、将来の各タイム ステップでの衝突確率を推定します。
そうすることで、このフレームワークは、安全性が保証された危険性のないイベントを特定するだけでなく、安全性が重要なイベントにおける正確な衝突リスク推定も提供できます。
確率的 FRS を構築するために、周囲の車両のニューラル ネットワーク ベースの加速モデルを開発し、さらに信頼性を意識した動的信念を組み込んで予測精度を向上させます。
自然主義的な高速道路走行データに基づく加速予測モデルのパフォーマンスを検証するために広範な実験が行われ、信頼性の信念が注入されたフレームワークの効率と有効性が、自然主義的な高速道路シナリオとシミュレートされた高速道路シナリオの両方でテストされます。
提案されたリスク評価フレームワークは、現実世界への応用が期待されています。

要約(オリジナル)

Risk assessment is a crucial component of collision warning and avoidance systems in intelligent vehicles. To accurately detect potential vehicle collisions, reachability-based formal approaches have been developed to ensure driving safety, but suffer from over-conservatism, potentially leading to false-positive risk events in complicated real-world applications. In this work, we combine two reachability analysis techniques, i.e., backward reachable set (BRS) and stochastic forward reachable set (FRS), and propose an integrated probabilistic collision detection framework in highway driving. Within the framework, we can firstly use a BRS to formally check whether a two-vehicle interaction is safe; otherwise, a prediction-based stochastic FRS is employed to estimate a collision probability at each future time step. In doing so, the framework can not only identify non-risky events with guaranteed safety, but also provide accurate collision risk estimation in safety-critical events. To construct the stochastic FRS, we develop a neural network-based acceleration model for surrounding vehicles, and further incorporate confidence-aware dynamic belief to improve the prediction accuracy. Extensive experiments are conducted to validate the performance of the acceleration prediction model based on naturalistic highway driving data, and the efficiency and effectiveness of the framework with the infused confidence belief are tested both in naturalistic and simulated highway scenarios. The proposed risk assessment framework is promising in real-world applications.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google