基于记录车辆轨迹数据的自动驾驶系统安全度量评估
机器人学
2024-01-04 v1
摘要
实时安全度量对于自动驾驶系统（ADS）评估驾驶情境风险并辅助决策至关重要。尽管文献中提出了许多实时安全度量，但缺乏对这些安全度量的系统性能评估。由于不同安全度量采用了不同的行为假设，因此难以比较安全度量并评估其性能。为克服这一挑战，在本研究中，我们提出了一种利用记录车辆轨迹数据的评估框架，其中获取了主车（SV）和背景车辆（BV）的车辆轨迹，从而可以消除由行为假设引起的预测误差。具体而言，我们检查在给定所有BV近期未来轨迹的情况下，每个时刻SV是否处于不可避免的碰撞情境。通过这种方式，我们为不同安全度量的公平比较奠定了基础，因为一个好的安全度量应始终在不可避免碰撞时刻之前发出警报。当有大量行程的轨迹数据可用时，我们可以系统地评估和比较不同度量的统计性能。在案例研究中，使用大规模模拟轨迹数据集评估了三个具有代表性的实时安全度量，包括碰撞时间（TTC）、PEGASUS关键性度量（PCM）和模型预测瞬时安全度量（MPrISM）。所提出的评估框架对于研究人员、从业者和监管机构表征不同度量以及为不同应用选择合适的度量非常重要。此外，通过对安全度量失效的时刻进行故障分析，我们可以识别其潜在弱点，这对于其可能的改进和优化具有价值。
引用
@article{arxiv.2401.01501,
title = {Evaluation of automated driving system safety metrics with logged vehicle trajectory data},
author = {Xintao Yan and Shuo Feng and David J. LeBlanc and Carol Flannagan and Henry X. Liu},
journal= {arXiv preprint arXiv:2401.01501},
year = {2024}
}