使用高斯混合Copula模型估计情景参数的联合概率

本文首次将高斯混合Copula模型应用于自动驾驶系统安全验证的情景统计建模。情景参数联合概率分布的了解对于情景基于的安全评估至为重要，后者依赖于具体参数组合的可能性。高斯混合Copula模型将高斯混合模型的多模态表达能力与Copula的灵活性结合起来，使可以独立建模边缘分布和依赖关系。我们使用来自两个由联合国公约第157号规定定义的情景的真实世界驾驶数据，对高斯混合Copula模型与先前提出的方法——高斯混合模型和高斯Copula模型进行了基准测试。针对这两个情景的约1800万个实例进行评估显示，高斯混合Copula模型在对数似然和Sinkhorn距离度量下，一致优于高斯Copula模型，并在与高斯混合模型上表现出竞争力，具体表现取决于情景。结果令人鼓舞，表明高斯混合Copula模型可作为未来情景基于验证框架的统计基础。