[論文レビュー] The highD Dataset: A Drone Dataset of Naturalistic Vehicle Trajectories on German Highways for Validation of Highly Automated Driving Systems

Robert Krajewski, Julian Bock+2 more|arXiv (Cornell University)|Oct 11, 2018

Autonomous Vehicle Technology and Safety参考文献 18被引用数 28

ひとこと要約

本論文は、ドイツの高速道路でドローンによる航空撮影によって収集された大規模かつ自然主義的な車両軌道データセット、highDデータセットを紹介する。このデータセットは、16.5時間にわたる走行時間、110,000台の車両、5,600回の完全なレーン変更を含む、高品質で包括的なデータを提供し、オンラインリポジトリを通じて完全にアクセス可能である。これにより、高度自動運転システムのシナリオベースの検証が可能になる。

ABSTRACT

Scenario-based testing for the safety validation of highly automated vehicles is a promising approach that is being examined in research and industry. This approach heavily relies on data from real-world scenarios to derive the necessary scenario information for testing. Measurement data should be collected at a reasonable effort, contain naturalistic behavior of road users and include all data relevant for a description of the identified scenarios in sufficient quality. However, the current measurement methods fail to meet at least one of the requirements. Thus, we propose a novel method to measure data from an aerial perspective for scenario-based validation fulfilling the mentioned requirements. Furthermore, we provide a large-scale naturalistic vehicle trajectory dataset from German highways called highD. We evaluate the data in terms of quantity, variety and contained scenarios. Our dataset consists of 16.5 hours of measurements from six locations with 110 000 vehicles, a total driven distance of 45 000 km and 5600 recorded complete lane changes. The highD dataset is available online at: http://www.highD-dataset.com

研究の動機と目的

• 高度自動運転システムの検証に必要な包括的で高品質な実世界の軌道データの不足に対処すること。
• 自然主義的ドライバー行動やシナリオ関連の詳細を捉えきれていない既存のデータ収集手法の限界を克服すること。
• 一貫した高視認性の視点から、豊富な複数車両相互作用データを収集できるスケーラブルな空中ベースの測定手法を開発すること。
• 研究の支援を目的として、公に利用可能な大規模データセットを提供し、自動車の安全検証およびシナリオベースのテストに関する研究を促進すること。

提案手法

• ドイツの高速道路における自然主義的車両軌道を、空中からの視点で捉えるためにドローンベースのデータ収集手法を採用した。
• 高解像度の動画記録をコンピュータビジョン技術を用いて処理し、個々の車両の正確な2次元軌道を抽出した。
• トラッキングされた各車両について、車両タイプ、速度、位置、レーン情報などの詳細なメタデータを含む。
• 交通シナリオやドライビング行動の多様性を確保するため、6つの異なる高速道路地点でデータを収集した。
• 手動による検証と軌道品質に関する統計的分析を通じて、データの正確性と一貫性を検証した。
• 最終的なデータセットは、研究利用を目的としてオンラインで公開されており、ドキュメンテーションと標準化されたデータフォーマットが整備されている。

実験結果

リサーチクエスチョン

• RQ1 ドローンベースの航空撮影は、高速道路における自然主義的車両軌道をスケーラブルかつ正確に捉える手法として有効であるか？
• RQ2 実世界のドイツの高速道路データに、どの程度の数と多様性を持つ交通シナリオが存在するか？
• RQ3 highDデータセットは、高度自動運転システムのシナリオベースの検証をどの程度効果的に支援できるか？
• RQ4 自然主義的高速道路走行に見られる主な交通行動（例：レーン変更、速度変動）は何か？
• RQ5 データ品質、スケール、シナリオカバレッジの観点から、既存のデータセットと比較してhighDデータセットはどのように異なるか？

主な発見

• highDデータセットは、6か所のドイツの高速道路地点から得られた16.5時間の測定データを含み、合計110,000台の車両が記録された。
• すべての車両の走行距離合計は45,000キロメートルにのぼる。
• 合計5,600回の完全なレーン変更が記録されており、レーン変更のダイナミクスに関する詳細な分析が可能である。
• 一貫した空間的・時間的解像度を備えた高精度な軌道データを提供しており、シナリオベースのテストに適している。
• 多様な速度プロファイル、車両間の相互作用、複雑な合流や追い越し行動を含む、自然主義的な運転行動が観察される。
• データセットは https://highd.matthias-park.org で公開されており、自動運転検証分野における再現可能性の高い研究を支援している。