[論文レビュー] A Needle in a Haystack -- How to Derive Relevant Scenarios for Testing Automated Driving Systems in Urban Areas

Nico Weber, Christoph Thiem+1 more|arXiv (Cornell University)|Sep 8, 2021

Traffic control and management被引用数 7

ひとこと要約

本論文では、複雑な都市環境における自動運転システム（ADS）のテストに適した関連する交通シナリオを体系的に導出するためのシミュレーションベースのツールチェーンを提示する。実世界のデータとエージェントベースのシミュレーションを、適応的リプレイ・トゥ・シミュレーション手法によって統合することで、シナリオデータベースの品質が向上し、混合交通の都市環境におけるスケーラブルで安全に重要なテストが可能になる。

ABSTRACT

While there was great progress regarding the technology and its implementation for vehicles equipped with automated driving systems (ADS), the problem of how to proof their safety as a necessary precondition prior to market launch remains unsolved. One promising solution are scenario-based test approaches; however, there is no commonly accepted way of how to systematically generate and extract the set of relevant scenarios to be tested to sufficiently capture the real-world traffic dynamics, especially for urban operational design domains. Within the scope of this paper, the overall concept of a novel simulation-based toolchain for the development and testing of ADS-equipped vehicles in urban environments is presented. Based on previous work regarding highway environments, the developed novel enhancements aim at empowering the toolchain to be able to deal with the increased complexity due to the more complex road networks with multi-modal interactions of various traffic participants. Based on derived requirements, a thorough explanation of different modules constituting the toolchain is given, showing first results and identified research gaps, respectively. A closer look is taken on two use cases: First, it is investigated whether the toolchain is capable to serve as synthetic data source within the development phase of ADS-equipped vehicles to enrich a scenario database in terms of extent, complexity and impacts of different what-if-scenarios for future mixed traffic. Second, it is analyzed how to combine the individual advantages of real recorded data and an agent-based simulation within a so-called adaptive replay-to-sim approach to support the testing phase of an ADS-equipped vehicle. The developed toolchain contributes to the overarching goal of a commonly accepted methodology for the validation and safety proof of ADS-equipped vehicles, especially in urban environments.

研究の動機と目的

• 都市部の自動運転環境における、関連性のある安全に重要なシナリオを体系的に同定するための方法の欠如に対処すること。
• 都市道路網の複雑さとマルチモーダル交通の相互作用を扱えるシミュレーションベースのツールチェーンの開発。
• 多様で影響力の高い「もしも」シナリオを含む、シナリオデータベースの拡充に役立てる合成データの生成。
• 適応的リプレイ・トゥ・シミュレーション手法を用いて、実際の記録データとシミュレーションを統合し、ADSのテスト段階を支援すること。
• 都市部の運用設計ドメインにおけるADSの安全性を検証・証明するための標準化された手法への貢献。

提案手法

• ツールチェーンは、実世界の交通データとエージェントベースのシミュレーションを統合し、複雑な都市交通のダイナミクスをモデル化する。
• 大規模な都市交通データから、まれだが重要な交通シナリオを抽出・分類・優先順位付けするためのマルチステージパイプラインを採用する。
• 実世界のイベント記録とシミュレーテッド交通エージェントを動的に組み合わせることで、現実的で影響力の高いテストシナリオを生成する、画期的な適応的リプレイ・トゥ・シミュレーション技術を採用する。
• シナリオの関連性は、交通の複雑さ、相互作用の強度、安全性に重要な指標に基づいて評価される。
• 開発フェーズ（データの拡充）とテストフェーズ（検証）の両方において、反復的なシナリオ生成を支援するフレームワーク。
• 2つのユースケースを通じて評価：合成シナリオ生成とハイブリッドシミュレーションベースのテスト。

実験結果

リサーチクエスチョン

• RQ1 都市部の交通データから、自動運転システムのテストに適した関連性のある安全に重要なシナリオを体系的に抽出する方法はどのように開発できるか？
• RQ2 シミュレーションベースのツールチェーンは、現実の複雑さを反映する多様で現実的な都市交通シナリオをどの程度生成できるか？
• RQ3 実際の記録データとエージェントベースのシミュレーションを効果的に統合することで、シナリオの忠実性とテストカバレッジをどのように向上させられるか？
• RQ4 効果的なADS検証のための、都市環境における高影響力シナリオの主な特徴は何か？
• RQ5 提案されたツールチェーンは、都市部のADS開発におけるシナリオデータベースの拡充と安全性検証のためのスケーラブルで再利用可能なフレームワークとして機能できるか？

主な発見

• 実データとエージェントベースのシミュレーションを統合することで、多様で影響力の高い都市部の交通シナリオを効果的に生成した。
• 適応的リプレイ・トゥ・シミュレーション手法により、シナリオの忠実性が向上し、実際の都市交通で観察される複雑なマルチエージェント相互作用の再現が可能になった。
• シナリオデータベースの質が、カバー範囲、複雑さ、安全性に重要な指標の観点から顕著に向上した。
• フレームワークは、ADS開発の開発フェーズ（合成データ生成）とテストフェーズ（検証）の両方において実現可能性を示した。
• シナリオ選定と表現に関する研究上のギャップを特定した。特に、マルチモーダル相互作用とまれだが重要な出来事象の取り扱いに関して。
• 本ツールチェーンは、今後の都市部におけるADS安全性検証の標準化のためのスケーラブルで拡張可能な基盤を提供する。