使用自动驾驶汽车实时组合安全移动性评估收集的数据

科学领域:

• 运输工程 运输工程
• 交通安全分析 交通安全分析
• 自动驾驶汽车技术自动驾驶汽车技术

背景情况:

• 实时评估自动驾驶汽车 (AV) 的安全性和流动性,对于它们融入现有交通系统至关重要.
• 传统的安全模型与有限且分布不均的冲突数据以及未观察到的空间异质性作斗争.
• 现有的移动性评估方法可能无法完全捕捉由AVs影响的交通条件的动态性质.

研究的目的:

• 开发和验证自动驾驶汽车实时安全和流动性评估方法.
• 用贝叶斯层次空间随机参数极值模型 (BHSRP) 来量化实时碰撞风险 (RC) 和回报水平 (RL).
• 利用高速公路容量手册 (HCM) 方法制定风险暴露 (RE) 指数并评估走廊流动性.

主要方法:

• 利用来自加利福尼亚州帕洛阿尔托的一个走廊的440小时自动驾驶汽车 (AV) 数据集.
• 应用贝叶斯层次空间随机参数极值模型 (BHSRP) 进行安全评估,将时间到碰撞 (TTC) 作为冲突指标.
• 使用高速公路容量手册 (HCM) 方法与实时交通数据评估移动性,并开发了一个风险暴露 (RE) 指数.

主要成果:

• 服务水平 (LOS) E被确定为最危险的操作条件,正常化后的平均崩风险最高.
• 风险暴露指数 (RE) 表明,考虑车辆暴露时间对于准确的安全评估至关重要.
• 当考虑暴露时间时,自动驾驶汽车在十字路口 (LOS D) 和段落 (LOS E) 遇到极度危险的驾驶条件的可能性最高.

结论:

• 拟议的BHSRP模型有效地处理数据限制和空间异质性,以实时评估AV的安全性.
• 实时安全和移动性评估对于了解和管理自动驾驶车辆对道路网络的影响至关重要.
• 为了安全部署AV,需要对风险有细微的了解,考虑操作条件和暴露时间,特别是在特定的LOS条件下的十字路口和道路段.