基于预崩溃数据生成全严重程度范围内代表性尾部碰撞场景
机器人学
2024-06-25 v1
摘要
生成代表性尾部碰撞场景对于先进驾驶辅助系统（ADAS）和自动驾驶系统（ADS）的安全评估至关重要。然而，现有的场景生成方法面临数据有限且偏倚、难以验证等挑战。本研究通过结合自然驾驶数据和尾部碰撞的预崩溃运动学数据，来克服上述挑战。将组合后的数据加权，以创建美国全严重程度范围内的尾部碰撞特征代表性数据集。为组合数据集构建多变量分布模型，并创建由两个现有模型组合而成的跟随车辆驾驶行为模型。进行仿真以生成一组合成尾部碰撞场景，然后加权以创建代表性合成尾部碰撞数据集。最后通过比较生成碰撞的参数分布及结果（delta-v，即碰撞事件持续期间车辆速度变化量）与原始组合数据集中的分布，来验证合成数据集。该合成碰撞数据集可用于ADAS和ADS的安全评估，并作为评估其他方法生成场景代表性的基准。
引用
@article{arxiv.2406.15538,
title = {Model-based generation of representative rear-end crash scenarios across the full severity range using pre-crash data},
author = {Jian Wu and Carol Flannagan and Ulrich Sander and Jonas Bärgman},
journal= {arXiv preprint arXiv:2406.15538},
year = {2024}
}