[論文レビュー] Highway traffic data: macroscopic, microscopic and criticality analysis for capturing relevant traffic scenarios and traffic modeling based on the highD data set

Friedrich Kruber, Jonas Wurst+2 more|arXiv (Cornell University)|Mar 11, 2019

Traffic control and management参考文献 12被引用数 13

ひとこと要約

本稿は、highDの自然的運転データセットを分析し、高速道路の交通をマクロスコピック、ミクロスコピック、臨界性指標によって特徴づける。TTC（衝突までの時間）、THW（時間頭巾）、および統合されたリスク認識（RP）測定値を用いて、まれな交通シナリオのための実行可能なしきい値を提案する。その結果、臨界的シナリオのうちわずか2.4％がアクティブブレーキを伴っており、大多数のドライバーはブレーキではなく車線変更を選択していることが明らかになった。

ABSTRACT

This work provides a comprehensive analysis on naturalistic driving behavior for highways based on the highD data set. Two thematic fields are considered. First, some macroscopic and microscopic traffic statistics are provided. These include the traffic flow rate and the traffic density, as well as velocity, acceleration and distance distributions. Additionally, the dependencies to each other are examined and compared to related work. The second part investigates the distributions of criticality measures. The Time-To-Collision, Time-Headway and a third measure, which couples both, are analyzed. These measures are also combined with other indicators. Scenarios, in which these measures reach a critical level, are separately discussed. The results are compared to related work as well. The two main contributions of this work can be stated as follows. First, the analysis on the criticality measures can be used to find suitable thresholds for rare traffic scenarios. Second, the statistics provided in this work can also be utilized for traffic modeling, for example in simulation environments.

研究の動機と目的

• ドイツの自動車専用道路における自然的運転行動を、highDデータセットを用いて分析すること。
• 基本図と1車線あたりの負荷を用いて、マクロスコピックな交通フローを特徴づけること。
• 速度、加速度、距離頭巾の分布を通じて、ミクロスコピックなドライバー行動を定量化すること。
• TTC、THW、RPを用いて臨界的交通シナリオを特定し、ドライバーの反応を評価すること。
• 交通シミュレーションおよび安全モデルの向上を目的として、まれな交通シナリオのデータ駆動型しきい値を提供すること。

提案手法

• 本研究では、25 Hzで記録されたドローンによる高速道路交通データを含むhighDデータセットを用いる。
• マクロスコピック分析では、交通フロー速度、密度、車線負荷を計算し、集約データから基本図を導出する。
• ミクロスコピック分析では、速度、縦方向／横方向加速度、および距離頭巾（DHW）の分布を評価する。
• 臨界性測定値（TTC、THW、RP）を計算・分析し、RPはTTCとTHWの複合指標として定義される。
• リスクレベル（1〜3）に基づいてシナリオを分類し、過去の研究からのしきい値を用いる。臨界フレームにおけるドライバー行動（ブレーキ、車線変更）を分析する。
• 統計的モデリングにより、臨界性測定値と縦方向加速度、運動行動を組み合わせ、リスク反応パターンを評価する。

実験結果

リサーチクエスチョン

• RQ1 自然的高速道路走行におけるマクロスコピックな交通フロー特性（フロー速度、密度、車線負荷）は何か？
• RQ2 異なる交通状況下で、ミクロスコピックなドライバー行動（速度、加速度、頭巾）はどのように変化するか？
• RQ3 実世界の高速道路シナリオにおける臨界性測定値（TTC、THW、RP）の分布としきい値は何か？
• RQ4 TTCおよびTHWによって特定された高リスクシナリオにおいて、ドライバーはどのように行動的に反応するか（ブレーキ、車線変更）？
• RQ5 ブレーキや車線変更のような運動パターンは、臨界性しきい値とどの程度相関しているか？

主な発見

• 全トラックのうち11.8％が臨界シナリオの時間ウィンドウ基準を満たし、highDデータセットで3,323件の臨界シナリオが特定された。
• RP ≥ 2.0で定義される臨界シナリオにおいて、アクティブブレーキ（ax ≤ -1.5 m/s²）を実行した車両はわずか2.4％にとどまり、高リスク状況下でもブレーキ反応が低いことが示された。
• 臨界シナリオにいる車両の41.7％が縦方向加速度が0 m/s²以下（ax ≤ 0 m/s²）であり、これはブレーキの意図があるが完全なブレーキではないことを示唆している。
• 臨界時における負の加速度を示した車両のうち36.4％が車線変更を実行しており、これは車線変更が主要な回避戦略であることを示している。
• RP ≥ 2.0の状況で強いブレーキ（ax ≤ -1.5 m/s²）を実行した車両のうち、車線変更を実行したのはたった3.8％にとどまり、ブレーキと車線変更の同時発生は限定的であることがわかった。
• 臨界シナリオにいる大多数のドライバー（特にRP ≥ 2.0の場合）はブレーキを行わず、代わりに車線変更に依存しており、現在の安全モデルは非ブレーキ回避行動を低く評価している可能性がある。