[论文解读] Waymo Public Road Safety Performance Data

Matthew L. Schwall, Tom Daniel+3 more|arXiv (Cornell University)|Oct 30, 2020

Autonomous Vehicle Technology and Safety参考文献 7被引用 13

一句话总结

本文展示了优步在凤凰城（亚利桑那州）超过610万英里自动驾驶行驶中的公共安全性能数据，包括6.5万英里的完全无人驾驶运行。报告指出共发生47起接触事件——18起实际事件和29起模拟事件——均未预计会导致严重或危及生命的伤害，其中绝大多数涉及人类驾驶员错误，且展示了优步驾驶员（Waymo Driver）在避免道路偏离和固定障碍物碰撞等常见碰撞模式方面的能力。

ABSTRACT

Waymo's mission to reduce traffic injuries and fatalities and improve mobility for all has led us to expand deployment of automated vehicles on public roads without a human driver behind the wheel. As part of this process, Waymo is committed to providing the public with informative and relevant data regarding the demonstrated safety of Waymo's automated driving system, which we call the Waymo Driver. The data presented in this paper represents more than 6.1 million miles of automated driving in the Phoenix, Arizona metropolitan area, including operations with a trained operator behind the steering wheel from calendar year 2019 and 65,000 miles of driverless operation without a human behind the steering wheel from 2019 and the first nine months of 2020. The paper includes every collision and minor contact experienced during these operations as well as every predicted contact identified using Waymo's counterfactual, what if, simulation of events had the vehicle's trained operator not disengaged automated driving. There were 47 contact events that occurred over this time period, consisting of 18 actual and 29 simulated contact events, none of which would be expected to result in severe or life threatening injuries. This paper presents the collision typology and severity for each actual and simulated event, along with diagrams depicting each of the most significant events. Nearly all the events involved one or more road rule violations or other errors by a human driver or road user, including all eight of the most severe events, which we define as involving actual or expected airbag deployment in any involved vehicle. When compared to national collision statistics, the Waymo Driver completely avoided certain collision modes that human driven vehicles are frequently involved in, including road departure and collisions with fixed objects.

研究动机与目标

• 提供关于优步完全无人驾驶自动驾驶系统（即优步驾驶员）安全性能的透明公开数据。
• 通过量化真实部署过程中碰撞和近碰撞事件，证明完全无人驾驶运行的安全性。
• 将优步自动驾驶性能与全国交通事故统计数据进行对比，突出其对高风险碰撞模式的规避能力。
• 记录并分析所有实际和模拟的接触事件，包括其严重程度和影响因素。
• 通过分享详细的事件类型和基于仿真的反事实分析，支持公众信任与监管理解。

提出的方法

• 收集2019年及2020年前九个月在凤凰城（亚利桑那州）超过610万英里自动驾驶行驶的真实世界驾驶数据。
• 整合6.5万英里完全无人驾驶运行的数据，期间车内无驾驶员。
• 通过车辆传感器和事故报告系统识别实际接触事件。
• 利用反事实仿真，预测在某些事件中若训练有素的驾驶员未中止自动驾驶系统，结果会如何。
• 根据碰撞类型、严重程度及影响因素（包括人类驾驶员违反交通规则）对事件进行分类。
• 为最重大的事件创建示意图和事件摘要，以支持透明度和分析。

实验结果

研究问题

• RQ1 在凤凰城真实世界完全无人驾驶自动驾驶车辆运行期间，接触事件的频率和严重程度如何？
• RQ2 优步驾驶员经历的碰撞模式与人类驾驶车辆中常见的碰撞模式相比如何？
• RQ3 人类驾驶员错误在导致优步驾驶员接触事件中所占比例有多大？
• RQ4 优步驾驶员在避免高风险碰撞模式（如道路偏离和固定障碍物碰撞）方面效果如何？
• RQ5 基于反事实仿真的分析能为自动驾驶系统的安全性能带来哪些见解？

主要发现

• 超过610万英里的自动驾驶行驶，包括6.5万英里的完全无人驾驶运行，共导致47起接触事件——18起实际事件和29起模拟事件——均未预计会导致严重或危及生命的伤害。
• 所有八起最严重事件（以预计安全气囊弹出为标准）均由人类驾驶员错误或其他道路使用者失误造成。
• 优步驾驶员成功避免了道路偏离和与固定障碍物碰撞等常见碰撞模式，而这些在人类驾驶车辆中极为普遍。
• 几乎所有接触事件均涉及至少一起人类驾驶员或其他道路使用者的交通规则违规或操作错误。
• 反事实仿真证实，若人类驾驶员未中止自动驾驶系统，自动驾驶系统本可预防或减轻大多数事件。
• 数据表明优步驾驶员在高风险场景（通常由人为错误引发）中表现出极强的安全性能。