动态基准：ADS性能评估的空间与时间对齐
机器人学
2024-10-14 v1
摘要
当前正在运营的SAE 4+级自动驾驶系统(ADS)没有人类驾驶员，已在美国表面街道上实现了接送服务。这种当前用例以及未来的应用将决定车队运营的地点和时间，可能导致与某些人类基准人群在给定地区内驾驶分布的差异。现有的ADS性能评估基准仅完成了ADS与基准驾驶暴露在县级地理范围内的匹配。本研究提出了一种新方法，用于构建动态人类基准，调整ADS与整体人类驾驶车队之间驾驶分布的空间与时间差异。利用人类警察报告的碰撞数据、人类车辆行驶里程(VMT)数据，以及超过2000万英里的Waymo乘客专用(RO)运营数据（跨越三个美国县）生成动态基准。空间调整揭示了在不同严重程度下，与未调整基准相比的调整后碰撞率存在显著差异，这些差异在旧金山、Maricopa县分别高出10%至47%和12%至20%，在洛杉矶县则从低7%至高34%。由于数据可得性限制，仅针对旧金山地区进行的时间段调整导致调整后碰撞率比未调整碰撞率低2%至高16%。这些发现凸显了在基准分析中调整空间与时间混杂因素的重要性，这最终有助于为ADS性能评估提供更公平的基准。
引用
@article{arxiv.2410.08903,
title = {Dynamic Benchmarks: Spatial and Temporal Alignment for ADS Performance Evaluation},
author = {Yin-Hsiu Chen and John M. Scanlon and Kristofer D. Kusano and Timothy L. McMurry and Trent Victor},
journal= {arXiv preprint arXiv:2410.08903},
year = {2024}
}