[논문 리뷰] Scenario-Based Safety Assessment Framework for Automated Vehicles

Jeroen Ploeg, Erwin de Gelder외 4명|arXiv (Cornell University)|2021. 12. 17.

Autonomous Vehicle Technology and Safety참고 문헌 6인용 수 5

한 줄 요약

이 논문은 실제 도로 주행 데이터를 활용하여 기능적 안전성, 의도된 功能의 안전성(SOTIF), 행동 안전성을 통합하는 시나리오 기반 자율주행차(AV) 안전 평가 프레임워크를 제안한다. 교통 시나리오를 기본 사건들로 분해하고, 그들의 통계 분포를 파arameter화하며, 극단적 또는 희귀 케이스를 샘플링하여, 효율적인 가상 및 물리적 테스트를 가능하게 하여, AV 도로 승인을 위한 통계적으로 관련성 있고 정량적인 안전 지표를 생성한다 — 특히 싱가포르의 도로교통청(Land Transport Authority)을 지원한다.

ABSTRACT

Automated vehicles (AVs) are expected to increase traffic safety and traffic efficiency, among others by enabling flexible mobility-on-demand systems. This is particularly important in Singapore, being one of the world's most densely populated countries, which is why the Singaporean authorities are currently actively facilitating the deployment of AVs. As a consequence, however, the need arises for a formal AV road approval procedure. To this end, a safety assessment framework is proposed, which combines aspects of the standardized functional safety design methodology with a traffic scenario-based approach. The latter involves using driving data to extract AV-relevant traffic scenarios. The underlying approach is based on decomposition of scenarios into elementary events, subsequent scenario parametrization, and sampling of the estimated probability density functions of the scenario parameters to create test scenarios. The resulting test scenarios are subsequently employed for virtual testing in a simulation environment and physical testing on a proving ground and in real life. As a result, the proposed assessment pipeline thus provides statistically relevant and quantitative measures for the AV performance in a relatively short time frame due to the simulation-based approach. Ultimately, the proposed methodology provides authorities with a formal road approval procedure for AVs. In particular, the proposed methodology will support the Singaporean Land Transport Authority for road approval of AVs.

연구 동기 및 목표

• 싱가포르와 같은 밀도 높은 도시 환경에서 자율주행차(AV)에 대한 공식적이고 확장 가능한 안전 평가 방법의 부족을 해결하기 위해.
• 정량적 안전 지표를 바탕으로 규제 의사결정을 지원하는 공식적인 도로 승인 절차를 개발하기 위해.
• 실제 주행 데이터를 활용하여 대표성 있고 중요한 테스트 시나리오를 생성함으로써 효율적인 안전 검증을 가능하게 하기 위해.
• 기능적 안전성(ISO 26262), SOTIF(ISO 21448), 행동 안전성을 통합된 평가 파이프라인으로 통합하기 위해.
• 지속적인 데이터 확보와 시나리오 데이터베이스 확장으로 통해 AV 안전성의 지속적 향상을 지원하기 위해.

제안 방법

• 실제 주행 교통 시나리오를 기본 사건들과 사건 간 활동으로 분해하여 체계적인 분석을 가능하게 한다.
• 측정된 주행 데이터로부터 시나리오 활동의 확률 밀도 함수(PDF)를 추정하고, 이를 파arameter화한다.
• PDF 샘플링(극단적 또는 희귀 케이스에 대해 편향됨)을 통해 안전 검증을 위한 통계적으로 대표적인 테스트 시나리오를 생성한다.
• 생성된 시나리오를 가상 시뮬레이션과 시험장에서의 물리적 테스트, 실제 도로 조건에서 적용한다.
• 세 단계의 통과/불통과 결정 절차를 적용: 설계 검토, 가상 안전 검증, 모든 테스트 데이터를 바탕으로 한 최종 안전 보고서.
• 시나리오 태깅과 클러스터링을 활용하여 안전 핵심 행동과 관련된 시나리오 클래스를 분류하고 검색한다.

실험 결과

연구 질문

• RQ1 실제 주행 데이터는 어떻게 체계적으로 대표성 있고 확장 가능한 테스트 시나리오 집합으로 변환될 수 있는가?
• RQ2 가장 중요한, 희귀하거나 극단적인 교통 시나리오들이 효과적으로 샘플링되고 테스트되도록 보장하는 방법은 무엇인가?
• RQ3 기능적 안전성, SOTIF, 행동 안전성이 통합된 단일 공식 평가 파이프라인으로 AV 도로 승인에 어떻게 통합될 수 있는가?
• RQ4 이벤트와 활동으로 시나리오를 분해하는 것은 어떤 역할을 하여 통계 모델링과 파arameter화를 가능하게 하는가?
• RQ5 지속적인 데이터 수집과 시나리오 데이터베이스 확장으로써 이 프레임워크는 어떻게 AV 안전성의 지속적 향상을 지원할 수 있는가?

주요 결과

• 이 프레임워크는 싱가포르 도로교통청을 전적으로 지원하도록 설계된 공식적이고 데이터 기반의 도로 승인 절차를 가능하게 한다.
• 추정된 PDF의 꼬리 부분에서 샘플링함으로써, 사전에 발생 여부를 알지 못하더라도 안전 핵심 시나리오를 체계적으로 식별하고 테스트할 수 있다.
• 이벤트와 활동으로 시나리오를 분해함으로써 복잡도가 감소하고, 자동 탐지 및 파arameter화가 가능해져 확장 가능한 시나리오 마이닝을 지원한다.
• 실제 주행 시나리오를 기반으로 한 가상 및 물리적 테스트 통합은 시간 효율적으로 통계적으로 관련성 있고 정량적인 안전 지표를 제공한다.
• 지속적인 AV 배치에서의 데이터 확보를 통해 시나리오 데이터베이스의 지속적 개선이 가능하다.
• 실제 주행 데이터를 활용함으로써 현실성과 테스트 커버리지 사이의 균형을 이루며, 희귀 또는 극단적 조건을 대상으로 한 샘플링을 통해 강조한다.