[论文解读] AVOID: Autonomous Vehicle Operation Incident Dataset Across the Globe

Ou Zheng, Mohamed Abdel‐Aty+4 more|arXiv (Cornell University)|Mar 22, 2023

Traffic and Road Safety被引用 13

一句话总结

本文介绍了 AVOID——一个开放的、人工手动验证的自动驾驶汽车事故数据集，汇集自 NHTSA、CA DMV 以及全球事故新闻，并新增了土地使用、天气与几何信息。

ABSTRACT

Crash data of autonomous vehicles (AV) or vehicles equipped with advanced driver assistance systems (ADAS) are the key information to understand the crash nature and to enhance the automation systems. However, most of the existing crash data sources are either limited by the sample size or suffer from missing or unverified data. To contribute to the AV safety research community, we introduce AVOID: an open AV crash dataset. Three types of vehicles are considered: Advanced Driving System (ADS) vehicles, Advanced Driver Assistance Systems (ADAS) vehicles, and low-speed autonomous shuttles. The crash data are collected from the National Highway Traffic Safety Administration (NHTSA), California Department of Motor Vehicles (CA DMV) and incident news worldwide, and the data are manually verified and summarized in ready-to-use format. In addition, land use, weather, and geometry information are also provided. The dataset is expected to accelerate the research on AV crash analysis and potential risk identification by providing the research community with data of rich samples, diverse data sources, clear data structure, and high data quality.

研究动机与目标

• 推动创建一个全面的 AV 事故数据集以推动安全研究。
• 提供一个开放的、高质量的资源，将来自多个来源的 AV/ADAS 事故数据汇聚在一起。
• 包含上下文信息（土地使用、天气、几何信息），以支持更丰富的分析。
• 确保数据经过人工验证并整理成可直接用于研究的格式。

提出的方法

• 来自多源的数据收集：NHTSA、加州 DMV，以及全球事故新闻。
• 对事故数据进行人工验证并汇总为可直接使用的格式。
• 增补土地使用、天气和几何信息。
• 面向促进 AV 事故分析与风险识别的明确数据结构。

实验结果

研究问题

• RQ1 一个开放的、全球来源的 AV 事故数据集的范围和结构是什么？
• RQ2 如何整合并验证多源数据以支持 AV 安全研究？
• RQ3 哪些上下文特征（土地使用、天气、几何信息）可提升对 AV 事故的分析？
• RQ4 AVOID 如何提升事故分析与风险识别的数据质量与可用性。

主要发现

• 引入一个开放的 AV 事故数据集（AVOID），整合多源数据。
• 数据经过人工验证并汇总为可直接使用的格式。
• 包含土地使用、天气和几何等上下文属性。
• 该数据集旨在通过丰富的样本和高数据质量，加速 AV 事故分析与风险识别。