自动驾驶车队安全可扩展监督的数据驱动分析

自动驾驶是消除道路死亡事故的一种备受期待的方法。与此同时，安全性的标准既高，验证成本也高。本工作考虑了远程操作员监督自动驾驶汽车（AV）车队安全的作用。这种“可扩展监督”的概念先前被提出，以弥合尚在成熟的自主技术与开始商业提供自动驾驶的压力之间的差距。本文提出了DISCES，一个用于数据知情安全关键事件模拟的框架，从动态网络加载的角度来研究这一概念的实用性。聚焦于AV汇入混合自主交通的安全关键场景，使用来自加州三个县州际公路的历史数据进行微观交通重建，对1,097个高速公路汇合点的车辆到达过程进行了建模。结合排队论模型，这些结果刻画了动态监督需求，从而评估了远程操作方法的可扩展性。在所有场景中，我们发现，与分析的时间段内车内监督员相比，操作员需求减少了99%以上。该工作还展示了两种减少这些经验监督需求的方法：(i) 使用协作式互联AV——研究表明，在所研究的场景中，这平均带来了3.67个数量级的系统可靠性提升——以及(ii) 在更大区域内的聚合。