論文の概要: Probabilistic Uncertainty-Aware Risk Spot Detector for Naturalistic
Driving
- arxiv url: http://arxiv.org/abs/2303.07181v1
- Date: Mon, 13 Mar 2023 15:22:51 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-14 14:24:08.582196
- Title: Probabilistic Uncertainty-Aware Risk Spot Detector for Naturalistic
Driving
- Title(参考訳): 自然運転のための確率的不確実性認識リスクスポット検出
- Authors: Tim Puphal, Malte Probst and Julian Eggert
- Abstract要約: リスクアセスメントは自動運転車の開発と検証の中心的な要素である。
Time Headway (TH) と Time-To-Contact (TTC) は一般的にリスクメトリクスとして使われ、発生確率と質的な関係を持つ。
本稿では,生存分析に基づく確率論的状況リスクモデルを提案し,それを自然に知覚・時間的・行動的不確実性に組み込むよう拡張する。
- 参考スコア(独自算出の注目度): 1.8047694351309207
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Risk assessment is a central element for the development and validation of
Autonomous Vehicles (AV). It comprises a combination of occurrence probability
and severity of future critical events. Time Headway (TH) as well as
Time-To-Contact (TTC) are commonly used risk metrics and have qualitative
relations to occurrence probability. However, they lack theoretical derivations
and additionally they are designed to only cover special types of traffic
scenarios (e.g. following between single car pairs). In this paper, we present
a probabilistic situation risk model based on survival analysis considerations
and extend it to naturally incorporate sensory, temporal and behavioral
uncertainties as they arise in real-world scenarios. The resulting Risk Spot
Detector (RSD) is applied and tested on naturalistic driving data of a
multi-lane boulevard with several intersections, enabling the visualization of
road criticality maps. Compared to TH and TTC, our approach is more selective
and specific in predicting risk. RSD concentrates on driving sections of high
vehicle density where large accelerations and decelerations or approaches with
high velocity occur.
- Abstract(参考訳): リスクアセスメントは自動運転車(av)の開発と検証の中心的な要素である。
将来の臨界事象の発生確率と深刻度を組み合わせたものである。
Time Headway (TH) や Time-To-Contact (TTC) は一般的にリスクメトリクスとして使われ、発生確率と質的な関係を持つ。
しかし、理論的な導出が欠如しており、また特別な交通シナリオ(例えば単車ペア間の追従など)のみをカバーするように設計されている。
本稿では、生存分析に基づく確率論的状況リスクモデルを提案し、現実のシナリオで発生する感覚・時間的・行動的不確実性を自然に組み込むよう拡張する。
得られたリスクスポット検出器(rsd)を複数の交差点を有する多車線のブールバードの自然駆動データに適用してテストし、道路臨界マップの可視化を可能にした。
TH と TTC と比較して,我々のアプローチはより選択的であり,リスクを予測する上で特異である。
RSDは、大きな加速と減速または高速なアプローチが発生する高車両密度の駆動区間に集中する。
関連論文リスト
- A Counterfactual Safety Margin Perspective on the Scoring of Autonomous
Vehicles' Riskiness [52.27309191283943]
本稿では,異なるAVの行動のリスクを評価するためのデータ駆動型フレームワークを提案する。
本稿では,衝突を引き起こす可能性のある名目行動から最小限の偏差を示す,対実的安全マージンの概念を提案する。
論文 参考訳(メタデータ) (2023-08-02T09:48:08Z) - Seeing is not Believing: Robust Reinforcement Learning against Spurious
Correlation [57.351098530477124]
国家の異なる部分には、保存されていない共同設立者が引き起こす相関関係が存在しない。
このような役に立たないあるいは有害な相関を学習するモデルは、テストケースの共同創設者がトレーニングケースから逸脱したときに破滅的に失敗する可能性がある。
したがって、単純かつ非構造的な不確実性集合を仮定する既存の頑健なアルゴリズムは、この問題に対処するには不十分である。
論文 参考訳(メタデータ) (2023-07-15T23:53:37Z) - Sequential Attention Source Identification Based on Feature
Representation [88.05527934953311]
本稿では,テンポラルシーケンスに基づくグラフ注意源同定(TGASI)と呼ばれるシーケンス・ツー・シーケンス・ベースのローカライズ・フレームワークを提案する。
なお、このインダクティブラーニングのアイデアは、TGASIが他の事前の知識を知らずに新しいシナリオのソースを検出できることを保証する。
論文 参考訳(メタデータ) (2023-06-28T03:00:28Z) - Continuous Risk Measures for Driving Support [0.0]
モデルに基づくリスク尺度を3つ比較し,そのステンジスを評価し,定量的に定性的に検証した。
我々は,スパース臨界事象といわゆる生存条件の統計に基づいて,新たなリスク尺度を導出する。
その結果、サバイバル分析により、その固い理論的根拠によって支持される近クレーシュおよび非クレーシュのケースにおいて、早期発見時のクラッシュと偽陽性検出の少ないことが判明した。
論文 参考訳(メタデータ) (2023-03-14T15:54:37Z) - Optimization of Velocity Ramps with Survival Analysis for Intersection
Merge-Ins [1.6326895385412847]
任意の形状と車両密度のT区間マージインに対する正確な動作計画の問題点を考察する。
マージイン支援システムは、2台の連続車両間のギャップをうまく取ることができる確率を見積もる必要がある。
論文 参考訳(メタデータ) (2023-03-13T12:13:26Z) - A Probabilistic Framework for Estimating the Risk of Pedestrian-Vehicle
Conflicts at Intersections [5.8366275205801985]
本研究では,交差点における歩行者と車両の衝突リスクを推定するための確率的枠組みを提案する。
提案フレームワークは,ガウスプロセス回帰を用いた軌道予測により,一定速度の制約を緩和する。
交差点で収集した実世界のLiDARデータを用いて,提案フレームワークの性能評価を行った。
論文 参考訳(メタデータ) (2022-07-28T15:08:41Z) - Mathematical Models of Human Drivers Using Artificial Risk Fields [8.074019565026544]
我々は、人間の運転者が今後の道路状況に応じてどのように車両を制御するかを予測するために、人工リスクフィールドの概念を用いる。
リスクフィールドは、最大20秒の予測地平線において、高い予測精度で将来の軌道を予測するのに優れている。
論文 参考訳(メタデータ) (2022-05-24T15:39:01Z) - Analyzing vehicle pedestrian interactions combining data cube structure
and predictive collision risk estimation model [5.73658856166614]
本研究では,フィールドと集中型プロセスを組み合わせた歩行者安全システムについて紹介する。
本システムは,現場における今後のリスクを直ちに警告し,実際の衝突のない道路の安全レベルを評価することにより,危険頻繁なエリアの安全性を向上させることができる。
論文 参考訳(メタデータ) (2021-07-26T23:00:56Z) - Generating and Characterizing Scenarios for Safety Testing of Autonomous
Vehicles [86.9067793493874]
最先端運転シミュレータを用いて,テストシナリオを特徴付け,生成するための効率的なメカニズムを提案する。
次世代シミュレーション(NGSIM)プロジェクトにおける実運転データの特徴付けに本手法を用いる。
事故回避の複雑さに基づいてメトリクスを定義してシナリオをランク付けし、事故発生の可能性を最小限に抑えるための洞察を提供します。
論文 参考訳(メタデータ) (2021-03-12T17:00:23Z) - A model for traffic incident prediction using emergency braking data [77.34726150561087]
道路交通事故予測におけるデータ不足の根本的な課題を、事故の代わりに緊急ブレーキイベントをトレーニングすることで解決します。
メルセデス・ベンツ車両の緊急ブレーキデータに基づくドイツにおける交通事故予測モデルを実装したプロトタイプを提案する。
論文 参考訳(メタデータ) (2021-02-12T18:17:12Z) - Can Autonomous Vehicles Identify, Recover From, and Adapt to
Distribution Shifts? [104.04999499189402]
トレーニング外の配布(OOD)シナリオは、デプロイ時にエージェントを学ぶ上で一般的な課題である。
インプロバスト模倣計画(RIP)と呼ばれる不確実性を考慮した計画手法を提案する。
提案手法は,OODシーンにおける過信および破滅的な外挿を低減し,分布変化を検知し,回復することができる。
分散シフトを伴うタスク群に対する駆動エージェントのロバスト性を評価するために,自動走行車ノベルシーンベンチマークであるtexttCARNOVEL を導入する。
論文 参考訳(メタデータ) (2020-06-26T11:07:32Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。