跟车机动中自动驾驶车辆的加速评估
其他计算机科学
2017-02-21 v2
摘要
自动驾驶车辆 (AVs) 在发布和部署前必须确保其安全性。当前的评估方法主要依赖于 公开道路上测试 AVs，或 在测试矩阵中定义的场景进行场地测试。这两种方法具有完全相反的缺点：前者虽然提供了真实的场景，但执行耗时太长；后者虽然能在短时间内完成，但与现实世界中的安全收益没有明确的相关性。为了避免上述问题，我们提出了加速评估，重点关注跟车场景。基于密歇根大学安全试点模型部署项目收集的 130 万英里自然驾驶数据，对随机人类驾驶车辆 (HV) 的运动进行了建模。然后修改 HV 行为的统计数据，以产生 HV 和 AV 之间更强烈的交互，从而加速评估过程。使用重要性抽样理论确保在加速测试中准确评估 AV 的安全收益。对模拟 AV 的碰撞、受伤和冲突率进行了模拟，以演示所提出的方法。结果表明，与非加速（自然）评估相比，测试持续时间减少了 300 到 100,000 倍。换言之，所提出的技术在加速 AV 评估过程方面具有巨大潜力。
引用
@article{arxiv.1607.02687,
title = {Accelerated Evaluation of Automated Vehicles in Car-Following Maneuvers},
author = {Ding Zhao and Xianan Huang and Huei Peng and Henry Lam and David J. LeBlanc},
journal= {arXiv preprint arXiv:1607.02687},
year = {2017}
}
备注
11 pages, 11 figures