根据深入的碰撞数据确定典型的事故前情景,并对自动驾驶汽车安全测试进行深入嵌入式集群
Rui Zhou1, Helai Huang1, Jaeyoung Lee2
1School of Traffic & Transportation Engineering, Central South University, Changsha 410075, China.
本研究引入了一种新的方法,用于识别自动驾驶汽车 (AV) 安全测试的关键汽车对动力两轮车 (PTW) 碰撞场景. 深层嵌入式集群方法使用动态的崩前数据来进行更强大和客观的场景选择.
科学领域:
- 道路安全工程 道路安全工程
- 交通运输中的人工智能
- 自动驾驶汽车技术自动驾驶汽车技术
背景情况:
- 选择现实的安全测试场景对于自动驾驶汽车至关重要.
- 汽车与动力两轮车 (PTW) 的碰撞很频繁,死亡率很高,需要特定的测试协议.
- 目前的场景选择方法依赖于主观的专家判断和有限的静态崩特征.
研究的目的:
- 开发一种新的,数据驱动的方法来识别典型和高风险的汽车对PTW碰撞场景.
- 为了利用现实事故数据的动态事故前特征来构建场景.
- 提高AV安全测试场景的稳定性和客观性.
主要方法:
- 利用中国深度移动安全研究-交通事故 (CIMSS-TA) 数据库来获取事故数据.
- 使用堆叠的自动编码器从高维,动态的崩前数据中提取嵌入式特征.
- 应用了k-means集群来分组类似的碰撞场景,并解释了由此产生的集群.
主要成果:
- 根据动态碰撞前特征,确定了六种典型的汽车对PTW碰撞场景.
- 深层嵌入式集群方法有效地学习了特征和集群崩数据.
- 与传统方法相比,开发的方法提供了更详细和客观的崩场景描述.
结论:
- 拟议的深层嵌入式集群方法为AV安全测试构建高风险场景提供了可靠的方法.
- 这种数据驱动的方法克服了传统情景识别中主观变量选择的局限性.
- 确定了典型的汽车对PTW碰撞场景,提高了自动驾驶汽车安全性能评估的现实性和有效性.
更多相关视频
06:28A Networked Desktop Virtual Reality Setup for Decision Science and Navigation Experiments with Multiple Participants
Published on: August 26, 2018
11:12Driving Simulation in the Clinic: Testing Visual Exploratory Behavior in Daily Life Activities in Patients with Visual Field Defects
Published on: September 18, 2012
相关概念视频
Elastic Collisions: Case Study
Collisions in Multiple Dimensions: Problem Solving
A small car of mass 1,200 kg traveling east at 60 km/h collides at an intersection with a truck of mass 3,000 kg traveling due north at 40 km/h. The two vehicles are locked together. What is the...
Collisions in Multiple Dimensions: Introduction
Elastic Collisions: Introduction
Distributed Loads: Problem Solving
Survival Tree
Building a Survival Tree
Constructing a...
