面向自动驾驶车辆的全场景安全评估：一种基于体积的方法

随着自动驾驶车辆 (AV) 近年来快速发展，市面上可用的 AV 正逐渐展示出高水平的自动化能力。然而，大多数现有的 AV 安全评估方法主要为简单驾驶动作（如车跟和变道）所设计。虽然适用于基本测试，但这些方法不足以评估部署在更复杂环境中具有挑战性的自动化功能。首先，这些方法通常使用 crash rate 作为评估指标，其准确性高度依赖于用于估计情景概率的自然驾驶环境数据的质量和完整性。此类数据往往难以获取且昂贵。其次，当应用于多样化情景时，这些方法会受到维度灾变的制约，使得大规模评估计算上不可行。为解决这些挑战，本文提出了一种全场景 AV 安全评估的新框架。首先引入一种统一模型来标准化多样化驾驶情景的表示。这种建模方法将大多数情景限制在具有三车道和六辆周围背景车辆的正式高速公路设置中，显著降低维度。为进一步避免概率方法的局限性，我们提出了一种基于体积的评估方法，对整个情景空间内有风险情景的比例进行量化。对于车跟情景，我们证明了在特定设置下，安全情景集合为凸集，从而实现精确体积计算。实验结果使用来自现有文献中的 AV 行为模型以及从 Ultra-AV 数据集中校准的六个生产 AV 模型验证了所提出体积方法的有效性。代码和数据将在论文接受后公开。