基于警方报告碰撞数据的自动驾驶系统碰撞率回顾性分析基准

随着全自动驾驶系统（ADS；SAE 4 级）网约车服务在美国的扩张，我们正接近一个转折点，此时回顾性评估 ADS 安全影响的过程开始能够产生具有统计可信度的结论。ADS 安全影响度量需要与“基准”碰撞率进行比较。本研究旨在通过利用警方报告的碰撞事故，为当前部署 ADS 的多个地理区域生成人类驾驶碰撞率，从而解决、更新和扩展现有文献。所利用的所有数据均是公开可访问的，且基准确定方法旨在可重复且透明。生成可与 ADS 碰撞数据相比较的基准面临某些挑战，包括数据选择、处理漏报和报告阈值、确定用于比较的驾驶员和车辆群体、选择适当的严重程度进行评估，以及匹配碰撞和行驶里程暴露数据。因此，我们确定了生成基准时的关键步骤，并在现有 ADS 基准文献的背景下展示了我们的分析。其中一项分析是，将既定的漏报校正方法应用于公开可用的人类驾驶员警方报告数据，以提高与公开可用 ADS 碰撞数据的可比性。我们还确定了在控制地理区域、道路类型和车辆类型时的重要依赖关系，并展示了未能控制这些特征会如何使结果产生偏差。这项工作旨在帮助社区——研究人员、监管机构、行业和专家——在如何估计准确基准方面达成共识。