Synthesizing Follow-Up Drive Data for Enhanced Road Safety in Intelligent Driving Function Systems

要約

この研究は、交通安全と運転の快適性を高める上で、インテリジェントな運転機能が極めて重要であることを強調している。我々の研究の中心は、これらの機能を評価するための十分なテストデータを、特に高リスクで安全性が重要な運転シナリオにおいて得るという課題である。このようなシナリオは、主にその固有の複雑さと関連するリスクのために、利用可能なデータが乏しいことに悩まされることが多い。 このギャップに対処するため、私たちの研究では、多様で現実的なセーフティクリティカルな運転シナリオを幅広く作成するように設計された新しい手法を導入しています。この手法により、運転支援システムと自律走行車の機能に関する試験範囲を大幅に広げることができる。我々は、実用的なアプリケーションにおける関連性の高さから、特に追従走行シナリオに焦点を当てている。ここでは、ドライバーの反応時間などの要素を組み込んだ運動方程式を使用して、車両の動きを複雑にモデル化します。パラメータを変化させることで、もっともらしい運転シナリオのスペクトルを生成する。 差分空間停止（DSS）メトリックの利用は、我々の研究において極めて重要な要素である。このメトリックは、追従走行の安全性評価において重要な役割を果たし、より徹底的で包括的な検証プロセスを促進する。そうすることで、我々の方法論は、最も困難でセーフティクリティカルなシナリオ用に特別に調整された、運転支援および自律走行システムの信頼性と安全性評価を強化する。

要約(オリジナル)

This study underscores the vital importance of intelligent driving functions in enhancing road safety and driving comfort. Central to our research is the challenge of obtaining sufficient test data for evaluating these functions, especially in high-risk, safety-critical driving scenarios. Such scenarios often suffer from a dearth of available data, primarily due to their inherent complexity and the risks involved. Addressing this gap, our research introduces a novel methodology designed to create a wide array of diverse and realistic safety-critical driving scenarios. This approach significantly broadens the testing spectrum for driver assistance systems and autonomous vehicle functions. We particularly focus on the follow-up drive scenario due to its high relevance in practical applications. Here, vehicle movements are intricately modeled using kinematic equations, incorporating factors like driver reaction times. We vary parameters to generate a spectrum of plausible driving scenarios. The utilization of the Difference Space Stopping (DSS) metric is a pivotal element in our research. This metric plays a crucial role in the safety evaluation of follow-up drives, facilitating a more thorough and comprehensive validation process. By doing so, our methodology enhances the reliability and safety assessment of driver assistance and autonomous driving systems, specifically tailored for the most challenging and safety-critical scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL