論文の概要: Comparability of Automated Vehicle Crash Databases

• arxiv url: http://arxiv.org/abs/2308.00645v2
• Date: Tue, 25 Mar 2025 15:41:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-26 16:51:01.878000
• Title: Comparability of Automated Vehicle Crash Databases
• Title（参考訳）: 自動衝突データベースの比較
• Authors: Noah Goodall,
• Abstract要約: 本稿では,現在の運転自動化(DA)とベースラインの人間駆動型クラッシュデータベースについて概説する。 また,事故記録から車両識別番号(VIN)を用いて車両の自動化能力を決定する方法についても検討した。 クラッシュデータ収集は、自動露出データの収集、クラッシュデータの広範な収集と電子データレコーダ、クラッシュ定義の標準化によって改善することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Introduction: This paper reviewed current driving automation (DA) and baseline human-driven crash databases and evaluated their comparability. Method: Five sources of DA crash data and three sources of human-driven crash data were reviewed for consistency of inclusion criteria, scope of coverage, and potential sources of bias. Alternative methods to determine vehicle automation capability using vehicle identification number (VIN) from state-maintained crash records were also explored. Conclusions: Evaluated data sets used incompatible or nonstandard minimum crash severity thresholds, complicating crash rate comparisons. The most widely-used standard was "police-reportable crash," which itself has different reporting thresholds among jurisdictions. Although low- and no-damage crashes occur at greater frequencies and have more statistical power, they were not consistently reported for automated vehicles. Crash data collection can be improved through collection of driving automation exposure data, widespread collection of crash data form electronic data recorders, and standardization of crash definitions. Practical Applications: Researchers and DA developers may use this analysis to conduct more thorough and accurate evaluations of driving automation crash rates. Lawmakers and regulators may use these findings as evidence to enhance data collection efforts, both internally and via new rules regarding electronic data recorders.
• Abstract（参考訳）: 紹介:本論文では,現在の運転自動化(DA)とベースラインの人間駆動型クラッシュデータベースを概説し,それらの互換性を評価した。 方法: DAクラッシュデータの5つのソースと人間駆動クラッシュデータの3つのソースを、包含基準の整合性、カバレッジの範囲、潜在的なバイアスのソースとしてレビューした。 また,事故記録から車両識別番号(VIN)を用いて車両の自動化能力を決定する方法についても検討した。 結論: 非互換または非標準の最小クラッシュ深刻度しきい値を使用して、クラッシュレート比較を複雑にするデータセットの評価。 最も広く使われている標準は「警察に報告可能な墜落」であり、管轄区域間で報告のしきい値が異なる。 低損傷と無損傷の事故は高い周波数で発生し、統計力も高いが、自動走行車については一貫して報告されなかった。 クラッシュデータ収集は、自動露出データの収集、クラッシュデータの広範な収集と電子データレコーダ、クラッシュ定義の標準化によって改善することができる。 実践アプリケーション: 研究者とDA開発者は、この分析を使用して、自動化クラッシュ率のより徹底的で正確な評価を行うことができる。 議員や規制当局は、電子データレコーダーに関する新たなルールを通じて、これらの発見をデータ収集の取り組みを強化する証拠として使うかもしれない。

関連論文リスト

• 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)
• 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)
• 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)
• 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)
• 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)
• 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。