基于稀疏控制变量的网联自动驾驶车辆自适应安全评估
系统与控制
2024-02-08 v1 系统与控制
摘要
安全性能评估对于网联自动驾驶车辆(CAVs)的开发和部署至关重要。一种主流方法是利用对CAVs的先验知识设计测试场景,在这些场景中测试CAVs,然后评估其安全性能。然而,CAVs与先验知识之间的显著差异会严重降低评估效率。针对该问题,现有研究大多关注CAV测试过程中测试场景的自适应设计,但迄今无法应用于高维场景。本文关注在CAV测试过程之后,利用测试结果进行自适应安全性能评估。该方法可显著提升评估效率并适用于高维场景。具体而言,我们不直接评估CAV安全性能的未知量(如碰撞率),而是评估未知量与已知量(即控制变量)之间的差异。通过利用测试结果,控制变量可被良好设计与优化,使差异接近于零,从而针对不同CAVs大幅降低评估方差。为处理高维场景,我们提出稀疏控制变量方法,仅针对场景中稀疏且关键变量设计控制变量。根据各场景中关键变量的数量,控制变量被分层为多个层,并在每一层内使用多元线性回归技术进行优化。我们通过严格的理论分析和高维超车场景的实证研究证明了所提方法的有效性。
引用
@article{arxiv.2212.00517,
title = {Adaptive Safety Evaluation for Connected and Automated Vehicles with Sparse Control Variates},
author = {Jingxuan Yang and Haowei Sun and Honglin He and Yi Zhang and Shuo Feng and Henry X. Liu},
journal= {arXiv preprint arXiv:2212.00517},
year = {2024}
}