从真实交通数据到相关关键场景

自动驾驶车辆、自动驾驶功能以及先进驾驶辅助系统在广泛范围内的相关场景中的可靠运行，是其开发和部署的关键因素。由于涉及众多自由度，且每一自由度对驾驶场景的结果都有不同的影响，识别出用于此类功能的近似完整的相关驾驶场景集具有挑战性。此外，随着新功能技术复杂度的增加， potentially relevant 的、特别是“未知不安全”场景的数量也在增长。为了提高验证效率，必须提前识别相关场景，首先从像高速公路这样的简单领域开始，再逐步过渡到城市交通等更复杂的环境。为此，本文聚焦于高速公路交通中的车道变更场景，这些场景涉及多个自由度并包含大量安全相关场景。我们描述了从公共高速公路交通获取和处理真实数据的数据获取与处理过程，然后对轨迹数据应用关键性度量以评估场景，此过程在 AVEAS 项目（www.aveas.org）内完成。通过将计算得到的度量与特定的车道变更驾驶场景以及数据采集条件相关联，我们促进了对 various applications 所涉及的安全相关驾驶场景的识别。进一步地，为解决大量“未知不安全”场景的广泛范围，我们提出了一种方法，通过创建基于记录场景的合成场景来生成相关场景。因此，我们展示并评估了一个处理链，使能够识别安全相关场景、提取这些场景的数据驱动方法，以及通过在高速公路上进行抽样生成合成关键场景。