論文の概要: Empirical Performance Evaluation of Lane Keeping Assist on Modern Production Vehicles

• arxiv url: http://arxiv.org/abs/2505.11534v1
• Date: Wed, 14 May 2025 03:04:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-20 14:57:10.683934
• Title: Empirical Performance Evaluation of Lane Keeping Assist on Modern Production Vehicles
• Title（参考訳）: 近代車両における車線維持支援の実証的性能評価
• Authors: Yuhang Wang, Abdulaziz Alhuraish, Shuyi Wang, Hao Zhou,
• Abstract要約: 本稿では,Line Keeping Assist(LKA)の実際の性能に関する総合的な実証分析を行った。 i) LKA障害は、系統的に知覚、計画、制御エラーに分類できる。 これらの知見に基づいて,道路形状,速度制限,LKAステアリング機能を統合した理論的モデルを提案する。
• 参考スコア（独自算出の注目度）: 23.265034571289664
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Leveraging a newly released open dataset of Lane Keeping Assist (LKA) systems from production vehicles, this paper presents the first comprehensive empirical analysis of real-world LKA performance. Our study yields three key findings: (i) LKA failures can be systematically categorized into perception, planning, and control errors. We present representative examples of each failure mode through in-depth analysis of LKA-related CAN signals, enabling both justification of the failure mechanisms and diagnosis of when and where each module begins to degrade; (ii) LKA systems tend to follow a fixed lane-centering strategy, often resulting in outward drift that increases linearly with road curvature, whereas human drivers proactively steer slightly inward on similar curved segments; (iii) We provide the first statistical summary and distribution analysis of environmental and road conditions under LKA failures, identifying with statistical significance that faded lane markings, low pavement laneline contrast, and sharp curvature are the most dominant individual factors, along with critical combinations that substantially increase failure likelihood. Building on these insights, we propose a theoretical model that integrates road geometry, speed limits, and LKA steering capability to inform infrastructure design. Additionally, we develop a machine learning-based model to assess roadway readiness for LKA deployment, offering practical tools for safer infrastructure planning, especially in rural areas. This work highlights key limitations of current LKA systems and supports the advancement of safer and more reliable autonomous driving technologies.
• Abstract（参考訳）: 本稿では,LKA(Lane Keeping Assist)システムの新しいオープンデータセットを生産車から活用し,実世界のLKA性能に関する総合的な実証分析を行った。 私たちの研究は3つの重要な発見をもたらす。 i)LKA障害は、認識、計画、制御エラーに体系的に分類することができる。 LKA関連CAN信号の詳細な解析を通じて,各障害モードの代表例を示し,障害機構の正当化と各モジュールの劣化時期の診断を可能にする。 (二)LKAシステムは固定車線中心の戦略を踏襲する傾向があり、しばしば道路曲率とともに直線的に増大する外向きのドリフトをもたらす。 3) LKA故障時の環境・道路条件の統計的概要と分布分析を行い, 消失したレーンマーキング, 低舗装レーンコントラスト, 急激な曲率などの統計的意義を同定し, 故障確率を著しく高める重要な組み合わせについて検討した。 これらの知見に基づいて,道路形状,速度制限,LKAステアリング機能を統合した理論的モデルを提案する。 さらに、LKAデプロイメントのための道路準備性を評価する機械学習ベースのモデルを開発し、特に農村部において、より安全なインフラ計画のための実用的なツールを提供する。 この作業は、現在のLKAシステムの重要な制限を強調し、より安全で信頼性の高い自動運転技術の進歩をサポートする。

関連論文リスト

• Advanced Crash Causation Analysis for Freeway Safety: A Large Language Model Approach to Identifying Key Contributing Factors [0.0]
  本研究は,大規模言語モデル(LLM)を利用して高速道路の事故データを解析し,それに応じて事故原因分析を行う。 微調整されたLlama3 8Bモデルは、ゼロショット分類によって事前にラベル付けされたデータなしでクラッシュ因果を識別するために使用された。 その結果, LLMはアルコール欠乏運転, スピード, 積極的運転, 運転不注意などの事故原因を効果的に同定できることが示唆された。
  論文  参考訳（メタデータ） (2025-05-15T04:07:55Z)
• TeLL-Drive: Enhancing Autonomous Driving with Teacher LLM-Guided Deep Reinforcement Learning [61.33599727106222]
  TeLL-Driveは、Teacher LLMを統合して、注意に基づく学生DRLポリシーをガイドするハイブリッドフレームワークである。 自己維持機構はDRLエージェントの探索とこれらの戦略を融合させ、政策収束を加速し、堅牢性を高める。
  論文  参考訳（メタデータ） (2025-02-03T14:22:03Z)
• OpenLKA: an open dataset of lane keeping assist from market autonomous vehicles [23.083443555590065]
  レーンキーピング・アシスト(LKA)は近年の自動車の標準機能となっている。 LKAシステムの運用特性と安全性能は未調査のままである。 フロリダ州タンパの大手自動車メーカーからLKAシステムを広範囲にテストした。
  論文  参考訳（メタデータ） (2025-01-06T04:46:10Z)
• ROADFIRST: A Comprehensive Enhancement of the Systemic Approach to Safety for Improved Risk Factor Identification and Evaluation [2.710150409047222]
  我々はROADFIRSTと呼ばれる拡張プロセスを開発し、ユーザは潜在的なクラッシュタイプを識別し、任意の場所で要因をコントリビュートすることができる。 ノースカロライナの事故および道路在庫データによると、アルコール欠乏運転、注意をそらした運転、スピードリングの3つの要因が原因となる可能性を特定し、ランク付けする。
  論文  参考訳（メタデータ） (2024-10-28T20:27:45Z)
• When, Where, and What? A Novel Benchmark for Accident Anticipation and Localization with Large Language Models [14.090582912396467]
  本研究では,複数の次元にわたる予測能力を高めるために,LLM(Large Language Models)を統合した新しいフレームワークを提案する。 複雑な運転シーンにおけるリスクの高い要素の優先順位を動的に調整する,革新的なチェーンベースアテンション機構を開発した。 DAD, CCD, A3Dデータセットの実証的検証は平均精度(AP)と平均時間到達精度(mTTA)において優れた性能を示す
  論文  参考訳（メタデータ） (2024-07-23T08:29:49Z)
• 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)
• A Study of Situational Reasoning for Traffic Understanding [63.45021731775964]
  トラフィック領域における状況推論のための3つの新しいテキストベースのタスクを考案する。 先行作業における言語推論タスクにまたがる一般化能力を示す知識強化手法を4つ採用する。 本稿では,データ分割におけるモデル性能の詳細な解析を行い,モデル予測を分類的に検討する。
  論文  参考訳（メタデータ） (2023-06-05T01:01:12Z)

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。