論文の概要: Comparison of Waymo Rider-Only Crash Rates by Crash Type to Human Benchmarks at 56.7 Million Miles

• arxiv url: http://arxiv.org/abs/2505.01515v1
• Date: Fri, 02 May 2025 18:04:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-06 18:49:35.153475
• Title: Comparison of Waymo Rider-Only Crash Rates by Crash Type to Human Benchmarks at 56.7 Million Miles
• Title（参考訳）: 衝突タイプによるWaymoライダー専用衝突速度と人間ベンチマークの567万マイル比較
• Authors: Kristofer D. Kusano, John M. Scanlon, Yin-Hsiu Chen, Timothy L. McMurry, Tilia Gode, Trent Victor,
• Abstract要約: SAE Level 4 Automated Driving Systems (ADS) は、SAEのRider-Only (RO) 配車サービスを含む公道に配備される。 本研究の目的は,人間のベンチマークと比較し,ROのクラッシュ速度の振り返り安全評価を行うことである。
• 参考スコア（独自算出の注目度）: 0.19791587637442667
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: SAE Level 4 Automated Driving Systems (ADSs) are deployed on public roads, including Waymo's Rider-Only (RO) ride-hailing service (without a driver behind the steering wheel). The objective of this study was to perform a retrospective safety assessment of Waymo's RO crash rate compared to human benchmarks, including disaggregated by crash type. Eleven crash type groups were identified from commonly relied upon crash typologies that are derived from human crash databases. Human benchmarks were aligned to the same vehicle types, road types, and locations as where the Waymo Driver operated. Waymo crashes were extracted from the NHTSA Standing General Order (SGO). RO mileage was provided by the company via a public website. Any-injury-reported, Airbag Deployment, and Suspected Serious Injury+ crash outcomes were examined because they represented previously established, safety-relevant benchmarks where statistical testing could be performed at the current mileage. Data was examined over 56.7 million RO miles through the end of January 2025, resulting in a statistically significant lower crashed vehicle rate for all crashes compared to the benchmarks in Any-Injury-Reported and Airbag Deployment, and Suspected Serious Injury+ crashes. Of the crash types, V2V Intersection crash events represented the largest total crash reduction, with a 96% reduction in Any-injury-reported (87%-99% CI) and a 91% reduction in Airbag Deployment (76%-98% CI) events. Cyclist, Motorcycle, Pedestrian, Secondary Crash, and Single Vehicle crashes were also statistically reduced for the Any-Injury-Reported outcome. There was no statistically significant disbenefit found in any of the 11 crash type groups. This study represents the first retrospective safety assessment of an RO ADS that made statistical conclusions about more serious crash outcomes and analyzed crash rates on a crash type basis.
• Abstract（参考訳）: SAE Level 4 Automated Driving Systems (ADS) は、WaymoのRider-Only (RO) 配車サービスを含む公道に配備されている。 本研究の目的は、人間のベンチマークと比較し、WaymoのRO事故率の振り返り安全評価を行うことである。 11のクラッシュタイプ群が、ヒトのクラッシュデータベースから派生したクラッシュタイプから同定された。 人間のベンチマークは、Waymoドライバが運転する場所と同じ車両タイプ、道路タイプ、場所と一致していた。 Waymoの事故はNHTSAスタンディング・ジェネラル・オーダー(SGO)から抽出された。 ROマイルは公共のウェブサイトを通じて会社によって提供された。 いかなる損傷報告、エアバッグ展開、疑似重傷+事故の結果も、現在の走行距離で統計検査を行うことのできる、以前に確立された安全関連ベンチマークとして検討された。 2025年1月末に5670万キロ以上のROマイルが調査され、Any-Injury-ReportedとAirbag DeploymentのベンチマークとSuspected Serious Injury+のクラッシュのベンチマークと比較すると、すべてのクラッシュで統計的に顕著に衝突した車両の速度が低下した。 事故種別のうち、V2Vインターセクションの事故件数は最大で、Any-injury-reported (87%-99% CI) は96%、Airbag Deployment (76%-98% CI) は91%減少していた。 自転車、自転車、歩行者、セカンダリ・クラッシュ、シングル・ビークルの事故も、Any-Injury-Reportedの結果により統計的に減少した。 11種類の衝突型群のいずれかに統計的に有意な不利は見つからなかった。 本研究は, RO ADSにおいて, より深刻なクラッシュ結果に関する統計的結論を出し, クラッシュタイプに基づく衝突速度を解析した最初のレトロスペクティブ安全評価である。

関連論文リスト

• Applying Tabular Deep Learning Models to Estimate Crash Injury Types of Young Motorcyclists [0.1874930567916036]
  若いモーターサイクリスト(特に15歳から24歳)は、スピード違反、交通違反、ヘルメット使用などの要因により、深刻な事故のリスクが高まる。 この研究は、2017年から2022年にかけてテキサス州で発生した10,726人の若いモーターサイクリストの事故を分析して、事故の深刻度に影響を与える重要な要因を特定することを目的としている。
  論文  参考訳（メタデータ） (2025-03-13T15:45:13Z)
• 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)
• Prediction of Crash Injury Severity in Florida's Interstate-95 [0.0]
  2016年から2021年にかけてフロリダ州州間高速道路95号線で交通事故が発生した。 交通事故の重症度を推定するために 分類法が使われました AdaboostアルゴリズムはリコールとAUCの点で他より優れていた。
  論文  参考訳（メタデータ） (2023-12-16T18:42:39Z)
• 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)
• Comparability of Automated Vehicle Crash Databases [0.0]
  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。
  論文  参考訳（メタデータ） (2023-08-01T16:23:06Z)
• 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)
• Infrastructure-based End-to-End Learning and Prevention of Driver Failure [68.0478623315416]
  フェールネットは、規模が拡大したミニ都市において、名目上と無謀なドライバーの両方の軌道上で、エンドツーエンドでトレーニングされた、繰り返しニューラルネットワークである。 制御障害、上流での認識エラー、ドライバーのスピードを正確に識別し、名目運転と区別することができる。 速度や周波数ベースの予測器と比較すると、FailureNetのリカレントニューラルネットワーク構造は予測能力を向上し、ハードウェアにデプロイすると84%以上の精度が得られる。
  論文  参考訳（メタデータ） (2023-03-21T22:55:51Z)
• Datacentric analysis to reduce pedestrians accidents: A case study in Colombia [0.0]
  2012年以降、ブカラマンガ・コロンビアのケーススタディでは179人の歩行者が自動車事故で死亡し、さらに2873人が負傷した。 この研究は、都市の事故率を減らし、新しい安全政策を導入することを提案することで、生活を救うためのシミュレーションを実装している。 シミュレーションによって検証された最初の最も効率的な安全方針は、交差点が事故率を80%削減する前に特定の場所でスピードバンプを構築することです。
  論文  参考訳（メタデータ） (2021-04-02T06:59:50Z)
• Human error in motorcycle crashes: a methodology based on in-depth data to identify the skills needed and support training interventions for safe riding [0.0]
  本稿では,事故発生率を抑えるため,最も高いリスククラッシュ構成において,ライダーが必要とするスキルを識別する手法を定義する。 本稿では803基の2輪車衝突事故の詳細なデータを用いたケーススタディを提案する。
  論文  参考訳（メタデータ） (2021-02-19T21:30:37Z)

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。