通过集体感知缓解弱势道路使用者遮挡风险：一项实证分析
网络与互联网体系结构
2024-04-12 v1 机器学习
机器人学
摘要
世界卫生组织最近的报告强调，弱势道路使用者（VRUs）近年来卷入了一半以上的道路死亡事故，而遮挡风险——即VRU被停放车辆等障碍物遮挡而无法被驾驶员看到的场景——是一个关键促成因素。为解决此问题，我们提出了一种基于车辆和VRU动力学来量化遮挡风险的新算法。该算法已使用来自德国交叉口的真实世界数据集进行了测试和评估。此外，我们引入了最大跟踪丢失（MTL）的概念，该指标衡量在给定场景中VRU未被任何车辆跟踪的最长连续持续时间。我们的研究扩展到考察集体感知服务（CPS）在VRU安全中的作用。CPS通过使车辆能够共享传感器信息来增强安全性，从而可能降低遮挡风险。我们的分析表明，配备CPS的车辆达到25%的市场渗透率就能显著减少遮挡风险并大幅缩短MTL。这些发现展示了不同场景如何对VRU构成不同程度的风险，以及部署集体感知如何能显著改善其安全。此外，它们也强调了我们提出的指标在捕捉作为安全因素的遮挡风险方面的有效性。
引用
@article{arxiv.2404.07753,
title = {Mitigating Vulnerable Road Users Occlusion Risk Via Collective Perception: An Empirical Analysis},
author = {Vincent Albert Wolff and Edmir Xhoxhi},
journal= {arXiv preprint arXiv:2404.07753},
year = {2024}
}
备注
Accepted for 35th IEEE Intelligent Vehicles Symposium 2024