[论文解读] Evaluation of Automated Vehicles Encountering Pedestrians at Unsignalized Crossings

Baiming Chen, Ding Zhao+1 more|arXiv (Cornell University)|Feb 2, 2017

Evacuation and Crowd Dynamics参考文献 11被引用 7

一句话总结

本文提出了一种基于仿真的评估框架，用于评估自动驾驶汽车（AV）在无信号交叉口的超车策略，采用来自现实世界的人行横道行人行为数据。通过使用多元正态分布混合模型对行人间隙接受行为进行建模，并在PreScan中模拟自动驾驶汽车的交互行为，研究结果表明，在理想条件下，采用软让行策略的自动驾驶汽车比人类驾驶员效率高出30%，且零事故，稳定性高。

ABSTRACT

Interactions between vehicles and pedestrians have always been a major problem in traffic safety. Experienced human drivers are able to analyze the environment and choose driving strategies that will help them avoid crashes. What is not yet clear, however, is how automated vehicles will interact with pedestrians. This paper proposes a new method for evaluating the safety and feasibility of the driving strategy of automated vehicles when encountering unsignalized crossings. MobilEye sensors installed on buses in Ann Arbor, Michigan, collected data on 2,973 valid crossing events. A stochastic interaction model was then created using a multivariate Gaussian mixture model. This model allowed us to simulate the movements of pedestrians reacting to an oncoming vehicle when approaching unsignalized crossings, and to evaluate the passing strategies of automated vehicles. A simulation was then conducted to demonstrate the evaluation procedure.

研究动机与目标

• 开发一种评估自动驾驶汽车在无信号交叉口超车策略的方法，其中路权不明确。
• 利用美国密歇根州安娜堡的真实数据，对现实世界中的行人行为（特别是间隙接受行为）进行建模。
• 从效率、稳定性和安全性方面，比较自动驾驶汽车与人类驾驶员的表现。
• 证明自动驾驶汽车策略在无信号交叉口场景下，既更安全又更高效。

提出的方法

• 使用安波罗（MobilEye）传感器在密歇根州安娜堡的公交车上收集了2,973起有效的行人过街事件。
• 开发了一种基于多元正态分布混合模型的随机交互模型，用于模拟行人对迎面来车的响应。
• 基于碰撞前时间（TTC），使用经验逻辑模型对人类驾驶员的让行和制动行为进行建模。
• 在PreScan仿真中实现了一种软让行驾驶策略，自动驾驶汽车根据行人位置和速度调整车速，以保持安全距离。
• 使用公式 $ a_d = \frac{v_d - v}{\Delta t} $ 计算期望加速度，其中 $ \Delta t = 1 $ s，加速度上限为最大加速度 $ a_m $。
• 通过以下指标评估自动驾驶汽车性能：平均时间比 $ \mu = 0.7044 $，变异系数 $ c_v = 4.54\% $，以及碰撞率 $ \kappa = 0 $。

实验结果

研究问题

• RQ1 自动驾驶汽车在遇到无信号交叉口行人时，其安全性和效率表现如何？
• RQ2 行人间隙接受行为对自动驾驶汽车决策有何影响？
• RQ3 在接近真实世界条件的场景下，采用软让行策略的自动驾驶汽车与人类驾驶员的表现相比如何？
• RQ4 随机行人模型在多大程度上能准确模拟真实世界中的交互行为，以用于自动驾驶汽车评估？

主要发现

• 自动驾驶汽车的超车策略比人类驾驶员效率高出30%，平均时间比 $ \mu = 0.7044 $ 表明其仅用人类驾驶员70.44%的时间完成操作。
• 该策略表现出高稳定性，变异系数 $ c_v = 4.54\% $，表明在多次试验中表现一致。
• 在50次仿真实验中未发生任何碰撞，碰撞率 $ \kappa = 0 $，表明在理想条件下具备出色的安全部表现。
• 行人模型成功模拟了真实行为，包括注视迎面来车以及根据感知风险调整速度。