[論文レビュー] Accelerated Evaluation of Automated Vehicles in Car-Following Maneuvers

Ding Zhao, Xianan Huang+3 more|arXiv (Cornell University)|Jul 10, 2016

Traffic and Road Safety被引用数 6

ひとこと要約

本論文では、実世界の走行データを用いた重要度サンプリングを活用し、人間運転車両と自動運転車両の間の高強度な車間走行インタラクションをシミュレートする、加速評価（Accelerated Evaluation）という手法を提案する。自然的で人間の行動統計を変更することで、重要度サンプリング理論による統計的保証を活かしつつ、テスト期間を300〜100,000倍短縮しつつ、自動運転車両の正確な安全性評価を維持することができる。

ABSTRACT

The safety of Automated Vehicles (AVs) must be assured before their release and deployment. The current approach to evaluation relies primarily on (i) testing AVs on public roads or (ii) track testing with scenarios defined in a test matrix. These two methods have completely opposing drawbacks: the former, while offering realistic scenarios, takes too much time to execute; the latter, though it can be completed in a short amount of time, has no clear correlation to safety benefits in the real world. To avoid the aforementioned problems, we propose Accelerated Evaluation, focusing on the car-following scenario. The stochastic human-controlled vehicle (HV) motions are modeled based on 1.3 million miles of naturalistic driving data collected by the University of Michigan Safety Pilot Model Deployment Program. The statistics of the HV behaviors are then modified to generate more intense interactions between HVs and AVs to accelerate the evaluation procedure. The Importance Sampling theory was used to ensure that the safety benefits of AVs are accurately assessed under accelerated tests. Crash, injury and conflict rates for a simulated AV are simulated to demonstrate the proposed approach. Results show that test duration is reduced by a factor of 300 to 100,000 compared with the non-accelerated (naturalistic) evaluation. In other words, the proposed techniques have great potential for accelerating the AV evaluation process.

研究の動機と目的

• 長期間にわたる実世界テストや断片的なテストマトリクスに依存する従来の自動運転車（AV）評価手法の非効率性に対処すること。
• 安全性検証の正確性を損なわず、AVの評価を高速化する手法を開発すること。
• 実際の人間の走行行動を用いて、高強度のテストシナリオを生成する統計的に厳密なフレームワークを構築すること。
• 車間走行動作における、より速くスケーラブルで信頼性の高いAVの安全性評価を可能にすること。

提案手法

• 本手法は、ミシガン大学のSafety Pilot Model Deploymentから得た130万マイルに及ぶ自然的走行データを用いて、確率的で人間運転車両（HV）の行動をモデル化する。
• 具体的には、ヘッドウェイ時間と加速度の統計的分布を変更することで、自動運転車両とより強い衝突危険性の高いインタラクションを生成する。
• 重要度サンプリングを適用し、シミュレーション結果の重みを再調整することで、加速されたテスト条件下でも、衝突、怪我、衝突危険のレートといった安全性指標がバイアスなしに保たれるようにする。
• 確率的フレームワークを用いて、加速されたシナリオ下での安全性パフォーマンスを推定し、統計的妥当性を維持する。
• 代表的なAVを用いたシミュレーションを通じて、自然的条件下と加速条件下の両方で車間走行シナリオを評価し、本手法の有効性を検証する。
• フレームワークは、レアだが重要な出来事象に焦点を当て、高リスクのインタラクションを的確にサンプリングすることで、迅速な評価を可能にする。

実験結果

リサーチクエスチョン

• RQ1 統計的正確性や現実世界の関連性を損なわず、AVの安全性をより効率的に評価することは可能か？
• RQ2 自然的走行データをどのように活用すれば、評価を加速する高強度のテストシナリオを生成できるか？
• RQ3 テスト条件を加速した場合でも、重要度サンプリングが安全性指標の正確性をどの程度維持できるか？
• RQ4 車間走行シナリオにおけるAVの信頼性のある安全性評価を維持しつつ、テスト期間をどの程度短縮できるか？
• RQ5 人間の走行行動統計を変更することで、AV評価における衝突、怪我、衝突危険レートの推定にどのような影響が生じるか？

主な発見

• 提案された加速評価手法により、実世界データを用いた自然的評価と比較して、テスト期間が300〜100,000倍短縮された。
• 重要度サンプリングの活用により、衝突、怪我、衝突危険レートといった安全性指標の正確な推定が維持された。
• 人間の車両行動の統計的分布を変更することで、より強い衝突危険性の高いインタラクションが生成され、安全性に影響を及ぼす出来事がより速く発生するようになった。
• 従来の手法と比較して、はるかに少ないシミュレーション回数で信頼性の高い安全性評価が可能になった。
• 本フレームワークは、車間走行シナリオにおけるAV安全性検証のスケーラビリティと効率性に強く期待できる。