論文の概要: Mitigating Vulnerable Road Users Occlusion Risk Via Collective Perception: An Empirical Analysis
- arxiv url: http://arxiv.org/abs/2404.07753v1
- Date: Thu, 11 Apr 2024 13:54:15 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-12 13:50:01.929649
- Title: Mitigating Vulnerable Road Users Occlusion Risk Via Collective Perception: An Empirical Analysis
- Title（参考訳）: 集団認識による脆弱性のある道路利用者の排他的リスクの軽減--実証分析
- Authors: Vincent Albert Wolff, Edmir Xhoxhi,
- Abstract要約: 本稿では,車とVRUの両方のダイナミクスに基づいて,閉塞リスクを定量化するアルゴリズムを提案する。
本研究は,VRUの安全性における集団知覚サービス(CPS)の役割について検討する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent reports from the World Health Organization highlight that Vulnerable Road Users (VRUs) have been involved in over half of the road fatalities in recent years, with occlusion risk - a scenario where VRUs are hidden from drivers' view by obstacles like parked vehicles - being a critical contributing factor. To address this, we present a novel algorithm that quantifies occlusion risk based on the dynamics of both vehicles and VRUs. This algorithm has undergone testing and evaluation using a real-world dataset from German intersections. Additionally, we introduce the concept of Maximum Tracking Loss (MTL), which measures the longest consecutive duration a VRU remains untracked by any vehicle in a given scenario. Our study extends to examining the role of the Collective Perception Service (CPS) in VRU safety. CPS enhances safety by enabling vehicles to share sensor information, thereby potentially reducing occlusion risks. Our analysis reveals that a 25% market penetration of CPS-equipped vehicles can substantially diminish occlusion risks and significantly curtail MTL. These findings demonstrate how various scenarios pose different levels of risk to VRUs and how the deployment of Collective Perception can markedly improve their safety. Furthermore, they underline the efficacy of our proposed metrics to capture occlusion risk as a safety factor.
- Abstract（参考訳）: 世界保健機関(WHO)の最近の報告は、Vulnerable Road Users(VRU)が近年の道路事故の半数以上に関与しており、閉塞リスク(VRUが駐車中の車のような障害物によってドライバーの視点から隠されているシナリオ)が重要な要因であることを示している。
そこで本研究では,車両とVRUの両方のダイナミクスに基づいて,閉塞リスクを定量化するアルゴリズムを提案する。
このアルゴリズムは、ドイツの交差点から得られた実世界のデータセットを用いて、テストと評価を行っている。
さらに,VRUが所定のシナリオにおける任意の車両によって追跡されない最長連続時間を測定するため,MTL(Maximum Tracking Loss)の概念を導入する。
本研究は,VRUの安全性における集団知覚サービス(CPS)の役割について検討する。
CPSは、車両がセンサー情報を共有できるようにすることで安全性を高め、閉塞リスクを低減する可能性がある。
分析の結果, CPS搭載車両の25%の市場浸透は, 閉塞リスクを著しく低減し, MTLを大幅に削減できることがわかった。
これらの結果は、様々なシナリオがVRUに対して異なるレベルのリスクをもたらし、集合的知覚の展開が安全性を著しく向上させることを示す。
さらに, 安全因子として閉塞リスクを捉えるために, 提案手法の有効性について検討した。
関連論文リスト
- CP-Guard+: A New Paradigm for Malicious Agent Detection and Defense in Collaborative Perception [53.088988929450494]
協調知覚(CP)は、安全で自律的な運転のための有望な方法である。
本稿では,悪意のあるエージェントを機能レベルで効果的に識別する,悪意のあるエージェント検出のための新しいパラダイムを提案する。
また,CP-Guard+と呼ばれる堅牢な防御手法を開発し,良性の表現と悪質な特徴とのマージンを高める。
論文 参考訳（メタデータ） (2025-02-07T12:58:45Z) - Black-Box Adversarial Attack on Vision Language Models for Autonomous Driving [65.61999354218628]
我々は、自律運転システムにおいて、視覚言語モデル(VLM)をターゲットとしたブラックボックス敵攻撃を設計する第一歩を踏み出す。
セマンティクスの生成と注入による低レベル推論の分解を目標とするカスケーディング・アディバーショナル・ディスラプション(CAD)を提案する。
本稿では,高レベルリスクシナリオの理解と構築に代理VLMを活用することで,動的適応に対処するリスクシーンインジェクションを提案する。
論文 参考訳（メタデータ） (2025-01-23T11:10:02Z) - Vehicle-group-based Crash Risk Prediction and Interpretation on Highways [8.703173025279431]
本研究では,新しい車両群に基づくリスク分析手法について検討し,VGの特徴を考慮したリスク進化機構について検討する。
衝突型車両群をVGに分類する手法を提案し, 付近の車両の異常行動に対する応答を評価した。
次に、ロジスティック回帰とグラフニューラルネットワーク(GNN)を使用して、集約および非集約されたVG情報を使用して、VGリスクを予測する。
論文 参考訳（メタデータ） (2024-02-19T07:47:23Z) - A Safety-Adapted Loss for Pedestrian Detection in Automated Driving [13.676179470606844]
安全クリティカルなドメインでは、オブジェクト検出器によるエラーは歩行者や他の脆弱な道路利用者を危険にさらす可能性がある。
本稿では,トレーニング中の歩行者あたりの臨界点の推定値を活用する安全意識の損失変動を提案する。
論文 参考訳（メタデータ） (2024-02-05T13:16:38Z) - CAT: Closed-loop Adversarial Training for Safe End-to-End Driving [54.60865656161679]
Adversarial Training (CAT) は、自動運転車における安全なエンドツーエンド運転のためのフレームワークである。
Catは、安全クリティカルなシナリオでエージェントを訓練することで、運転エージェントの安全性を継続的に改善することを目的としている。
猫は、訓練中のエージェントに対抗する敵シナリオを効果的に生成できる。
論文 参考訳（メタデータ） (2023-10-19T02:49:31Z) - 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) - RCP-RF: A Comprehensive Road-car-pedestrian Risk Management Framework
based on Driving Risk Potential Field [1.625213292350038]
本研究では,コネクテッド・アンド・オートマチック・ビークル(CAV)環境下での電位場理論に基づく総合運転リスク管理フレームワークRCP-RFを提案する。
既存のアルゴリズムと異なり,エゴ車と障害物車と歩行者係数の移動傾向は,提案手法において正当に考慮されている。
実世界のデータセットNGSIMおよび実AVプラットフォーム上での最先端手法に対する提案手法の優位性を検証する実証的研究を行った。
論文 参考訳（メタデータ） (2023-05-04T01:54:37Z) - 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) - Cautious Adaptation For Reinforcement Learning in Safety-Critical
Settings [129.80279257258098]
都市運転のような現実の安全クリティカルな目標設定における強化学習(RL)は危険である。
非安全クリティカルな「ソース」環境でエージェントが最初に訓練する「安全クリティカル適応」タスクセットを提案する。
多様な環境における事前経験がリスクを見積もるためにエージェントに装備するという直感に基づくソリューションアプローチであるCARLを提案する。
論文 参考訳（メタデータ） (2020-08-15T01:40:59Z) - 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。