論文の概要: Comparability of Automated Vehicle Crash Databases

• arxiv url: http://arxiv.org/abs/2308.00645v1
• Date: Tue, 1 Aug 2023 16:23:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2023-08-02 13:33:31.790694
• Title: Comparability of Automated Vehicle Crash Databases
• Title（参考訳）: 自動車両衝突データベースのコンパラビリティ
• Authors: Noah Goodall
• Abstract要約: 規制当局と開発者は、自動走行車の衝突率とベースライン、人間主導の衝突率を比較する。 データベース間のクラッシュレートは、もしあれば、大きなフィルタリングと正規化のみと直接比較することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Advanced driving assistance systems are available on many late-model vehicles, and automated driving systems are testing on public roads. Regulators and developers continue to assess the safety of these vehicles by comparing automated vehicle crash rates to baseline, human-driven crash rates. While there are several widely-cited automated vehicle and conventional vehicle crash databases, these databases have different underlying assumptions and inclusion criteria. Crash rates among databases may be directly comparable only with significant filtering and normalization, if at all. This paper reviews current automated vehicle and baseline human-driven crash databases and evaluates their comparability. Recommendations are presented to improve their comparability, both in terms of normalization and contextualization, as well as additional data fields that can be incorporated into existing databases. These findings may assist researchers, regulators, and automated vehicle developers attempting to evaluate the safety of driving automation systems.
• Abstract（参考訳）: 高度な運転支援システムは多くの後期モデル車両で利用可能であり、自動運転システムは公道でテストされている。 規制当局と開発者は、自動衝突率とベースラインの人力衝突率を比較して、これらの車両の安全性を評価し続けている。 広く注目されている自動走行車と従来型の車両事故データベースはいくつかあるが、これらのデータベースは基礎となる仮定と包含基準が異なる。 データベース間のクラッシュレートは、もしあれば、大きなフィルタリングと正規化のみと直接比較することができる。 本稿では,現在の自動走行車およびベースラインの人力事故データベースをレビューし,その可視性を評価する。 レコメンデーションは、標準化とコンテキスト化の両方の観点から、既存のデータベースに組み込むことのできる追加のデータフィールドの互換性を改善するために提示される。 これらの発見は、研究者、規制当局、自動運転車開発者の運転自動化システムの安全性評価を支援する可能性がある。

関連論文リスト

• NsBM-GAT: A Non-stationary Block Maximum and Graph Attention Framework for General Traffic Crash Risk Prediction [11.444259609536164]
  既存の衝突リスク予測モデルは、研究者が危険とみなす仮説上のシナリオに依存している。 ダッシュカムビデオは、個々の車のクレーシュ前動作を撮影するが、周囲の車両の動きに関する重要な情報を欠いていることが多い。 本研究では,車両とその周辺車両間の対話的挙動を捉えるために,新しい非定常極値理論(EVT)を提案する。
  論文  参考訳（メタデータ） (2025-03-06T02:12:40Z)
• Enhancing Crash Frequency Modeling Based on Augmented Multi-Type Data by Hybrid VAE-Diffusion-Based Generative Neural Networks [13.402051372401822]
  衝突頻度モデリングにおける重要な課題は、過剰なゼロ観測の頻度である。 我々は、ゼロ観測を減らすために、ハイブリッドなVAE拡散ニューラルネットワークを提案する。 我々は、類似性、正確性、多様性、構造的整合性といった指標を用いて、このモデルによって生成された合成データ品質を評価する。
  論文  参考訳（メタデータ） (2025-01-17T07:53:27Z)
• Traffic and Safety Rule Compliance of Humans in Diverse Driving Situations [48.924085579865334]
  安全な運転プラクティスを再現する自律システムを開発するためには、人間のデータを分析することが不可欠だ。 本稿では,複数の軌道予測データセットにおける交通・安全規則の適合性の比較評価を行う。
  論文  参考訳（メタデータ） (2024-11-04T09:21:00Z)
• GDFlow: Anomaly Detection with NCDE-based Normalizing Flow for Advanced Driver Assistance System [20.690653201455373]
  グラフニューラル制御した微分方程式正規化フロー(GDFlow)を提案し,通常の運転パターンの分布を連続的に学習する。 我々は,Hyundai IONIQ5とGV80EVから収集した実世界の電気自動車運転データを用いてGDFlowを検証する。
  論文  参考訳（メタデータ） (2024-09-09T06:04:41Z)
• Methods to Estimate Advanced Driver Assistance System Penetration Rates in the United States [0.0]
  本稿では,米国における高度運転支援システム(ADAS)搭載車両の割合を推定する方法を検討する。 2022年、車両の8%から25%に様々なADAS機能が搭載されたが、実際の使用率は運転者の不活性化により低下した。 本研究は,事故データの解析,イベントデータレコーダ機能の拡張,自然主義運転研究の実施,メーカーとの協力による設置率の決定など,予測を向上する戦略を提案する。
  論文  参考訳（メタデータ） (2024-08-01T17:17:33Z)
• Learning Traffic Crashes as Language: Datasets, Benchmarks, and What-if Causal Analyses [76.59021017301127]
  我々は,CrashEventという大規模トラフィッククラッシュ言語データセットを提案し,実世界のクラッシュレポート19,340を要約した。 さらに,クラッシュイベントの特徴学習を,新たなテキスト推論問題として定式化し,さらに様々な大規模言語モデル(LLM)を微調整して,詳細な事故結果を予測する。 実験の結果, LLMに基づくアプローチは事故の重大度を予測できるだけでなく, 事故の種類を分類し, 損害を予測できることがわかった。
  論文  参考訳（メタデータ） (2024-06-16T03:10:16Z)
• Work-in-Progress: Crash Course: Can (Under Attack) Autonomous Driving Beat Human Drivers? [60.51287814584477]
  本稿では,現在のAVの状況を調べることによって,自律運転における本質的なリスクを評価する。 AVの利点と、現実のシナリオにおける潜在的なセキュリティ課題との微妙なバランスを強調した、特定のクレームを開発する。
  論文  参考訳（メタデータ） (2024-05-14T09:42:21Z)
• A Bayesian Approach for Prioritising Driving Behaviour Investigations in Telematic Auto Insurance Policies [0.6249768559720121]
  旅行用GPSと加速度計データを地理空間情報で拡張し,配送用不完全な分類器をトリップ単位で訓練する。 後続確率は優先順位スコアに変換され、手動による調査において最も価値のある候補を選択するために使用された。 この手法は、手動検索と比較して人的資源配分の効率を大幅に改善した。
  論文  参考訳（メタデータ） (2024-04-22T15:26:24Z)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• Automated Automotive Radar Calibration With Intelligent Vehicles [73.15674960230625]
  本稿では,自動車用レーダセンサの自動校正手法を提案する。 本手法では, 車両の外部改造を必要とせず, 自動走行車から得られる位置情報を利用する。 実地試験場からのデータを評価した結果,インフラセンサを自動で正確に校正できることが判明した。
  論文  参考訳（メタデータ） (2023-06-23T07:01:10Z)
• Driving Anomaly Detection Using Conditional Generative Adversarial Network [26.45460503638333]
  本研究では,条件付き生成逆数ネットワーク(GAN)を用いた運転異常の定量化手法を提案する。 この手法は、事前に観測された信号にモデルを条件付けすることで、今後の運転シナリオを予測する。 結果は知覚的評価によって検証され、アノテータは高い異常スコアで検出されたビデオのリスクと親しみやすさを評価するよう依頼される。
  論文  参考訳（メタデータ） (2022-03-15T22:10:01Z)
• DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly detection in air transportation [68.8204255655161]
  識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。 通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。 その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
  論文  参考訳（メタデータ） (2021-09-08T14:07:55Z)
• Exploiting Playbacks in Unsupervised Domain Adaptation for 3D Object Detection [55.12894776039135]
  ディープラーニングに基づく最先端の3Dオブジェクト検出器は、有望な精度を示しているが、ドメインの慣用性に過度に適合する傾向がある。 対象領域の擬似ラベルの検出器を微調整することで,このギャップを大幅に削減する新たな学習手法を提案する。 5つの自律運転データセットにおいて、これらの擬似ラベル上の検出器を微調整することで、新しい運転環境への領域ギャップを大幅に減らすことを示す。
  論文  参考訳（メタデータ） (2021-03-26T01:18:11Z)
• 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)
• Out-of-Distribution Detection for Automotive Perception [58.34808836642603]
  ニューラルネットワーク(NN)は、自律運転におけるオブジェクト分類に広く使われている。 NNは、アウト・オブ・ディストリビューション(OOD)データとして知られるトレーニングデータセットで適切に表現されていない入力データでフェールすることができる。 本稿では,OODデータを必要としない入力がOODであるか否かを判定し,推論の計算コストを増大させる方法を提案する。
  論文  参考訳（メタデータ） (2020-11-03T01:46:35Z)
• Ethical Decision Making During Automated Vehicle Crashes [0.0]
  自動走行車は、すべてのセンサー、車両制御部品、アルゴリズムが完全に機能していても、時々クラッシュすると予想されている。 本研究は, 自動走行車両の衝突事故を調査し, 結論を下す。(1) 自動走行車両がほぼ確実にクラッシュし, (2) 特定の事故に先立って自動走行車両の判断が道徳的要素を持ち, (3) ソフトウェアに複雑な人間の道徳を効果的に符号化する方法が存在しない。
  論文  参考訳（メタデータ） (2020-10-30T14:58:17Z)
• Self-awareness in Intelligent Vehicles: Experience Based Abnormality Detection [4.721146043492144]
  本稿では,車両内部の相互相関パラメータに基づく異常検出手法を提案する。 動的ベイズネットワーク(DBN)モデルをトレーニングすることで、車両が誤動作している可能性を自動評価し、検出することができる。
  論文  参考訳（メタデータ） (2020-10-28T16:08:54Z)
• Data Augmentation of IMU Signals and Evaluation via a Semi-Supervised Classification of Driving Behavior [4.640835690336653]
  本研究では,運転者が積極的・正常に運転しているかに応じて,旅行の一部を分類する半教師付き学習ソリューションを提案する。 その結果, RCGAN を用いたラベル付きデータを用いて, 運転者の分類を79%で改善した。
  論文  参考訳（メタデータ） (2020-06-16T15:49:21Z)
• Interpretable Safety Validation for Autonomous Vehicles [44.44006029119672]
  この研究は、自律システムの解釈可能な障害を見つけるためのアプローチを説明する。 これらの失敗は、人間によって理解できる信号時相論理式によって記述される。
  論文  参考訳（メタデータ） (2020-04-14T21:11:43Z)

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。