An adaptive multi-fidelity sampling framework for safety analysis of connected and automated vehicles

要約

テストと評価は費用がかかりますが、コネクテッド自動運転車 (CAV) の開発においては重要なステップです。
この論文では、特に自然主義的な運転データから入力パラメータの確率分布がわかっているシナリオベースのテスト向けに、CAV の事故率を効率的に評価するための適応サンプリング フレームワークを開発します。
私たちのフレームワークは、CAV パフォーマンスを近似するための代理モデルと、情報理論的考察を通じて定式化された次のサンプルの利点 (事故率に対する情報) を最大化するための新しい取得関数に依存しています。
CAV パフォーマンスの単一の高忠実度モデルのみを使用する標準アプリケーションに加えて、CAV パフォーマンスを近似するために追加の低忠実度モデルをより低い計算コストで使用できる二重忠実度コンテキストにもアプローチを拡張します。
したがって、2 番目のケースでは、コストあたりの利益を最大化するために、忠実度レベル (つまり、どのモデルを使用するか) とサンプリング場所の両方の観点から次のサンプルを選択できるように、アプローチが定式化されます。
私たちのフレームワークは、CAV の広く考慮されている 2 次元カットイン問題でテストされています。この問題では、異なる時間解像度のインテリジェント ドライビング モデル (IDM) が高忠実度モデルと低忠実度モデルの構築に使用されます。
私たちの単一忠実度手法は、同じ問題に対して既存のアプローチよりも優れたパフォーマンスを示し、二重忠実度手法は、計算コストの半分をさらに節約して、事故率の推定において同様の精度を達成できることを示します。

要約(オリジナル)

Testing and evaluation are expensive but critical steps in the development of connected and automated vehicles (CAVs). In this paper, we develop an adaptive sampling framework to efficiently evaluate the accident rate of CAVs, particularly for scenario-based tests where the probability distribution of input parameters is known from the Naturalistic Driving Data. Our framework relies on a surrogate model to approximate the CAV performance and a novel acquisition function to maximize the benefit (information to accident rate) of the next sample formulated through an information-theoretic consideration. In addition to the standard application with only a single high-fidelity model of CAV performance, we also extend our approach to the bi-fidelity context where an additional low-fidelity model can be used at a lower computational cost to approximate the CAV performance. Accordingly, for the second case, our approach is formulated such that it allows the choice of the next sample in terms of both fidelity level (i.e., which model to use) and sampling location to maximize the benefit per cost. Our framework is tested in a widely-considered two-dimensional cut-in problem for CAVs, where Intelligent Driving Model (IDM) with different time resolutions are used to construct the high and low-fidelity models. We show that our single-fidelity method outperforms the existing approach for the same problem, and the bi-fidelity method can further save half of the computational cost to reach a similar accuracy in estimating the accident rate.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google