[논문 리뷰] The highD Dataset: A Drone Dataset of Naturalistic Vehicle Trajectories on German Highways for Validation of Highly Automated Driving Systems

Robert Krajewski, Julian Bock외 2명|arXiv (Cornell University)|2018. 10. 11.

Autonomous Vehicle Technology and Safety참고 문헌 18인용 수 28

한 줄 요약

이 논문은 독일 고속도로에서 드론 기반 항공 촬영을 통해 수집한 대규모이고 자연주의적인 차량 궤적 데이터셋인 highD 데이터셋을 소개한다. 이 데이터셋은 16.5시간에 걸친 주행 동안 110,000대의 차량에 대한 고품질이고 종합적인 데이터를 제공함으로써 고도로 자동화된 주행 시스템의 시나리오 기반 검증을 가능하게 하며, 온라인 저장소를 통해 완전히 접근 가능하다.

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

연구 동기 및 목표

• 고도로 자동화된 주행 시스템을 검증하기 위한 종합적이고 고품질의 실세계 궤적 데이터의 부족을 해소하기 위해.
• 기존의 데이터 수집 방법이 자연주의적인 운전자 행동과 시나리오 관련 세부 정보를 포착하지 못하는 데서 비롯하는 한계를 극복하기 위해.
• 일관되고 높은 시야 확보가 가능한 시점에서 풍부한 다중 차량 상호작용 데이터를 캡처할 수 있는 확장 가능한 항공 기반 측정 방법을 개발하기 위해.
• 연구를 지원하기 위한 공개 가능한 대규모 데이터셋을 제공하여 자율 주행 차량의 안전성 검증 및 시나리오 기반 테스트 분야의 연구를 지원하기 위해.

제안 방법

• 독일 고속도로에서 자연주의적인 차량 궤적을 조망하는 시점에서 드론 기반 항공 촬영을 활용하여 데이터를 수집하였다.
• 고해상도 영상 기록을 컴퓨터 비전 기법을 사용해 처리하여 개별 차량의 정밀한 2차원 궤적을 추출하였다.
• 각 추적 차량의 차량 유형, 속도, 위치, 차선 정보 등의 세부 메타데이터가 포함되어 있다.
• 교통 시나리오와 운전 행동의 다양성을 확보하기 위해 6개의 별도된 고속도로 지역에서 데이터를 수집하였다.
• 수동 검증 및 궤적 품질에 대한 통계 분석을 통해 데이터의 정확성과 일관성을 검증하였다.
• 최종적으로 연구 목적을 위해 공개된 온라인 저장소에서 접근 가능한 데이터셋이 되었으며, 문서화 및 표준화된 데이터 형식을 제공한다.

실험 결과

연구 질문

• RQ1 드론 기반 항공 촬영은 고속도로에서 자연주의적인 차량 궤적을 캡처하기 위한 확장 가능하고 정확한 방법이 될 수 있는가?
• RQ2 실제 독일 고속도로 데이터에 포함된 교통 시나리오의 수와 다양성은 어떠한가?
• RQ3 highD 데이터셋은 고도로 자동화된 주행 시스템의 시나리오 기반 검증을 얼마나 잘 지원하는가?
• RQ4 자연주의적인 고속도로 주행에서 나타나는 주요 교통 행동(예: 차선 변경 및 속도 변화)은 무엇인가?
• RQ5 데이터 품질, 규모, 시나리오 커버리지 측면에서 기존 데이터셋과 highD 데이터셋은 어떻게 비교되는가?

주요 결과

• highD 데이터셋은 독일의 6개 고속도로 지역에서 확보한 총 16.5시간의 측정 데이터를 포함하며, 총 110,000대의 차량이 기록되었다.
• 모든 차량의 총 주행 거리는 45,000킬로미터에 이른다.
• 총 5,600건의 완전한 차선 변경이 기록되어 차선 변경 역학에 대한 세부 분석이 가능하다.
• 일관된 공간 및 시간 해상도를 갖춘 고정밀 궤적 데이터를 제공하여 시나리오 기반 테스트에 적합하다.
• 다양한 속도 프로파일, 차량 간 상호작용, 복잡한 통합 및 추월 동작을 포함한 자연주의적인 운전 행동이 나타난다.
• 데이터셋은 https://highd.matthias-park.org 에서 공개되어 있으며, 자율 주행 검증 분야의 재현 가능한 연구를 지원한다.