揭示随机人类与自动驾驶行为中的均匀偏移幂律
系统与控制
2025-11-04 v1 系统与控制
摘要
准确模拟罕见但具有安全性关乎的驾驶行为，对自动驾驶车辆（AVs）的评估和认证至关重要。然而，当前模型在基于真实数据校准时往往无法再现现实中的碰撞率，这主要源于对长尾行为分布表述不足。我们发现一种简单而统一的偏移幂律，能够稳健地刻画人类驾驶车辆（HV）和AV行为的随机性，尤其在长尾区域。该模型采用简约的解析形式，仅需一个或两个参数，即可在数据稀缺的情况下进行高效校准。分析来自全球HV和AV大规模、微观轨迹数据的偏移幂律，实现平均R2为0.97，尾部分布基本相同，统一拟合频繁行为和罕见安全关键偏差，显著优于现有的基于高斯的基线方法。当集成到基于智能体的交通仿真器中时，它能够进行前滚仿真，为两种类型的车辆再现真实的碰撞模式，实现与真实统计数据一致的碰撞率，提升了安全评估的保真度，无需事后校正。这一发现为建模高风险行为提供了统一且数据高效的基础，显著提升了混合AV/HV交通中仿真驱动的安全评估保真度。偏移幂律为AV技术的仿真驱动验证和全球认证提供了可行之路。
引用
@article{arxiv.2511.00659,
title = {Unveiling Uniform Shifted Power Law in Stochastic Human and Autonomous Driving Behavior},
author = {Wang Chen and Heye Huang and Ke Ma and Hangyu Li and Shixiao Liang and Hang Zhou and Xiaopeng Li},
journal= {arXiv preprint arXiv:2511.00659},
year = {2025}
}