論文の概要: Characteristics Analysis of Autonomous Vehicle Pre-crash Scenarios
- arxiv url: http://arxiv.org/abs/2502.20789v1
- Date: Fri, 28 Feb 2025 07:10:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-03 13:41:08.769432
- Title: Characteristics Analysis of Autonomous Vehicle Pre-crash Scenarios
- Title（参考訳）: 自動運転車プレクラッシュシナリオの特性解析
- Authors: Yixuan Li, Xuesong Wang, Tianyi Wang, Qian Liu,
- Abstract要約: 自動運転車(AV)の公道試験で数百件の事故が発生
現在の研究は主に、従来の人間駆動車両の事故に焦点を当てている。
- 参考スコア（独自算出の注目度）: 26.20576234132465
- License:
- Abstract: To date, hundreds of crashes have occurred in open road testing of automated vehicles (AVs), highlighting the need for improving AV reliability and safety. Pre-crash scenario typology classifies crashes based on vehicle dynamics and kinematics features. Building on this, characteristics analysis can identify similar features under comparable crashes, offering a more effective reflection of general crash patterns and providing more targeted recommendations for enhancing AV performance. However, current studies primarily concentrated on crashes among conventional human-driven vehicles, leaving a gap in research dedicated to in-depth AV crash analyses. In this paper, we analyzed the latest California AV collision reports and used the newly revised pre-crash scenario typology to identify pre-crash scenarios. We proposed a set of mapping rules for automatically extracting these AV pre-crash scenarios, successfully identifying 24 types with a 98.1% accuracy rate, and obtaining two key scenarios of AV crashes (i.e., rear-end scenarios and intersection scenarios) through detailed analysis. Association analyses of rear-end scenarios showed that the significant environmental influencing factors were traffic control type, location type, light, etc. For intersection scenarios prone to severe crashes with detailed descriptions, we employed causal analyses to obtain the significant causal factors: habitual violations and expectations of certain behavior. Optimization recommendations were then formulated, addressing both governmental oversight and AV manufacturers' potential improvements. The findings of this paper could guide government authorities to develop related regulations, help manufacturers design AV test scenarios, and identify potential shortcomings in control algorithms specific to various real-world scenarios, thereby optimizing AV systems effectively.
- Abstract（参考訳）: これまでに何百もの事故が自動車両(AV)のオープンロードテストで発生しており、AVの信頼性と安全性を向上させる必要性を強調している。
プレクラッシュシナリオ タイプポロジーは、車両力学とキネマティクスの特徴に基づいてクラッシュを分類する。
これに基づいて、特徴分析は、同等のクラッシュ下で同様の特徴を識別し、一般的なクラッシュパターンをより効果的に反映し、AVパフォーマンスを高めるためのより標的となるレコメンデーションを提供する。
しかし、最近の研究は主に従来の人間駆動の車両の衝突に焦点を合わせており、深層大気圏内衝突分析に特化した研究のギャップが残されている。
本稿では,カリフォルニアAV衝突の最新の報告を分析し,新たに更新されたプレクラッシュシナリオのタイプロジーを用いて,プレクラッシュシナリオの同定を行った。
我々は,これらのAVプリクラッシュシナリオを自動的に抽出するマッピングルールを提案し,精度98.1%の24種類の識別に成功し,詳細な解析により,AVクラッシュの2つの重要なシナリオ(バックエンドシナリオと交差点シナリオ)を得ることができた。
後方シナリオの関連分析の結果,環境影響要因は交通制御タイプ,位置タイプ,光などであった。
交差点のシナリオは,詳細な説明を伴う激しい衝突を招きやすいため,特定の行動に対する習慣違反や期待といった重要な因果的要因を得るために因果的分析を用いた。
最適化の勧告が策定され、政府の監視とAVメーカーの潜在的な改善に対処した。
本研究は,官庁が関連する規制を策定し,メーカーがAVテストシナリオの設計を支援し,様々な現実シナリオに特有の制御アルゴリズムの潜在的な欠点を特定し,AVシステムを効果的に最適化することを促すものである。
関連論文リスト
- Exploring the Determinants of Pedestrian Crash Severity Using an AutoML Approach [0.0]
この研究は、さまざまな説明変数がクラッシュ結果に与える影響を評価するためにAutoMLを使用している。
この研究は、予測モデルにおける個々の特徴の寄与を解釈するために、SHAP(SHapley Additive exPlanations)を組み込んだ。
論文 参考訳（メタデータ） (2024-06-07T22:02:36Z) - Machine Learning for Pre/Post Flight UAV Rotor Defect Detection Using Vibration Analysis [54.550658461477106]
無人航空機(UAV)は将来のスマートシティにとって重要なインフラ要素となるだろう。
効率的な運用のためには、UAVの信頼性は障害や故障の常時監視によって保証されなければならない。
本稿では,信号処理と機械学習を利用して,包括的振動解析データを分析し,ローターブレードの欠陥の有無を判定する。
論文 参考訳（メタデータ） (2024-04-24T13:50:27Z) - A novel framework for adaptive stress testing of autonomous vehicles in
highways [3.2112502548606825]
高速道路交通のシナリオにおいて,安全上の懸念を生じさせるようなコーナーケースを探索する新しい枠組みを提案する。
衝突確率推定に基づいて衝突シナリオを識別する際のASTを導出するDRLの新しい報奨関数を開発した。
提案するフレームワークは,より現実的なトラフィックシナリオの作成を可能にする,新たな駆動モデルとさらに統合されている。
論文 参考訳（メタデータ） (2024-02-19T04:02:40Z) - ACAV: A Framework for Automatic Causality Analysis in Autonomous Vehicle
Accident Recordings [5.578446693797519]
近年の死者は、大規模な検査による安全性検証の重要性を強調している。
本稿では,AV事故記録の因果解析を行うための自動フレームワークACAVを提案する。
我々はアポロADSでACAVを評価し、110件の事故記録の93.64%で5種類の因果事象を特定できることを発見した。
論文 参考訳（メタデータ） (2024-01-13T12:41:05Z) - Continual Driving Policy Optimization with Closed-Loop Individualized Curricula [2.903150959383393]
閉ループ個別化カリキュラム(CLIC)を特徴とする連続運転ポリシー最適化フレームワークを開発した。
CLICは衝突予測タスクとしてAV評価をフレーム化し、各イテレーションでこれらのシナリオでAV障害が起こる確率を見積もる。
CLICは他のカリキュラムベースのトレーニング戦略を超越し、リスクのあるシナリオの管理を大幅に改善したことを示す。
論文 参考訳（メタデータ） (2023-09-25T15:14:54Z) - DeepAccident: A Motion and Accident Prediction Benchmark for V2X
Autonomous Driving [76.29141888408265]
本研究では,現実の運転において頻繁に発生する多様な事故シナリオを含む大規模データセットを提案する。
提案したDeepAccidentデータセットには57Kの注釈付きフレームと285Kの注釈付きサンプルが含まれており、これは大規模なnuScenesデータセットの約7倍である。
論文 参考訳（メタデータ） (2023-04-03T17:37:00Z) - Identifying and Explaining Safety-critical Scenarios for Autonomous
Vehicles via Key Features [5.634825161148484]
本稿では,AVの安全でない動作を明らかにする能力に影響を及ぼすテストシナリオの重要な特徴を特定するために,ISA(インスタンス空間解析)を用いる。
ISAは、安全クリティカルなシナリオと通常の運転とを最も区別する機能を特定し、2Dのテストシナリオ結果(セーフ/アンセーフ)への影響を可視化する。
特定された機能の予測能力をテストするために、5つの機械学習分類器をトレーニングし、テストシナリオを安全または安全でないものとして分類する。
論文 参考訳（メタデータ） (2022-12-15T00:52:47Z) - AdvDO: Realistic Adversarial Attacks for Trajectory Prediction [87.96767885419423]
軌道予測は、自動運転車が正しく安全な運転行動を計画するために不可欠である。
我々は,現実的な対向軌道を生成するために,最適化に基づく対向攻撃フレームワークを考案する。
私たちの攻撃は、AVが道路を走り去るか、シミュレーション中に他の車両に衝突する可能性がある。
論文 参考訳（メタデータ） (2022-09-19T03:34:59Z) - Control-Aware Prediction Objectives for Autonomous Driving [78.19515972466063]
本研究では,制御に対する予測の下流効果を評価するための制御認識予測目標(CAPOs)を提案する。
本稿では,エージェント間の注意モデルを用いた重み付けと,予測軌跡を接地真実軌跡に交換する際の制御変動に基づく重み付けの2つの方法を提案する。
論文 参考訳（メタデータ） (2022-04-28T07:37:21Z) - 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。