使用WGAN进行自动驾驶车辆测试的高风险动力两轮车场景生成
Xiaolong Luo1, Zhiyuan Wei1, Guoqing Zhang1
1School of Traffic and Transportation Engineering, Central South University, Changsha, Hunan, China.
Traffic injury prevention
|October 15, 2024
概括
本研究引入了一种新的方法,使用生成对抗网络来创建涉及动力两轮车 (PTW) 的高风险自动驾驶汽车 (AV) 场景. 产生的场景有效地复制真实世界的碰撞风险,增强AV安全验证.
科学领域:
- 道路交通安全 道路交通安全
- 人工智能的人工智能
- 自主系统 自主系统
背景情况:
- 自动驾驶汽车 (AV) 承诺改善交通安全,但在复杂的场景中需要严格的测试.
- 验证自动驾驶汽车的安全性,特别是在动力两轮车 (PTW) 等弱势道路使用者方面,存在重大挑战.
- 现有的道路测试往往缺乏充分评估AV能力所需的高风险场景.
研究的目的:
- 开发和验证一种用于生成高风险情景的新方法,用于AV测试.
- 专门解决与PTW交互的AV安全性评估的挑战.
- 提高AV验证模拟场景的现实性和风险水平.
主要方法:
- 使用Wasserstein生成对抗网络 (WGAN) 来生成高风险的汽车对PTW碰撞场景.
- 从中国深度移动安全研究-交通事故数据库中提取了撞车数据.
- 模拟并使用PC-Crash和WGAN生成10,000个高风险场景,在SVL模拟器和百度阿波罗平台中验证.
主要成果:
- 该WGAN模型有效地融合,产生了从原始事故数据中近似关键参数分布的场景.
- 产生的场景显示了高可用性率 (64.76%) 和崩率 (16.50%),与现实数据 (15.0%) 非常相似.
- 虚拟模拟证实了产生的危险场景的有效性和现实性.
结论:
- 开发的场景生成方法有效地创造了涉及PTW进行AV测试的高风险情况.
- 这些生成的场景在风险上与真实世界的机相比较,并且适合AV安全验证.
- 该方法增强了AV测试库的多样性,并加快了验证过程.
更多相关视频
06:31Automated Gait Analysis to Assess Functional Recovery in Rodents with Peripheral Nerve or Spinal Cord Contusion Injury
Published on: October 6, 2020
6.1K
09:30Pre-Implantation Genetic Testing for Aneuploidy on a Semiconductor Based Next-Generation Sequencing Platform
Published on: August 17, 2022
3.0K
