An Approach to Systematic Data Acquisition and Data-Driven Simulation for the Safety Testing of Automated Driving Functions

要約

道路交通における自動運転機能やその運用設計領域（ODD）が複雑化し、重要性が増すにつれ、開発、検証、検証のかなりの部分を仮想環境やシミュレーションモデルで行うことが求められるようになっている。 しかし、シミュレーションが実世界の実験を補うだけでなく、実験に取って代わるものであるならば、シミュレーションモデルがどの程度、どのような前提条件の下で現実を適切に表現しているかを測定し、その結果を適切に利用する定量的なアプローチが必要です。特に「オープンワールド」の安全性への影響に関連する研究開発分野では、シミュレーションのパラメータ化や検証のための実世界データが著しく不足している。 我々は、公共交通におけるデータを異種手段によって体系的に取得し、それを統一的な表現に変換し、自動運転機能のデータ駆動型仮想検証で使用するための交通行動モデルを自動的にパラメータ化するために使用するアプローチを提示する。

要約(オリジナル)

With growing complexity and criticality of automated driving functions in road traffic and their operational design domains (ODD), there is increasing demand for covering significant proportions of development, validation, and verification in virtual environments and through simulation models. If, however, simulations are meant not only to augment real-world experiments, but to replace them, quantitative approaches are required that measure to what degree and under which preconditions simulation models adequately represent reality, and thus, using their results accordingly. Especially in R&D areas related to the safety impact of the ‘open world’, there is a significant shortage of real-world data to parameterize and/or validate simulations – especially with respect to the behavior of human traffic participants, whom automated driving functions will meet in mixed traffic. We present an approach to systematically acquire data in public traffic by heterogeneous means, transform it into a unified representation, and use it to automatically parameterize traffic behavior models for use in data-driven virtual validation of automated driving functions.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL