验证用于自动驾驶系统批准的人类基准模型:它们的实际能力和谨慎程度有多高?

科学领域:

• 汽车工程 汽车工程
• 人类因素 人类因素
• 交通安全 交通安全

背景情况:

• 先进的驾驶辅助系统 (ADAS) 和自动驾驶系统 (ADS) 正在迅速发展,有望提高道路安全.
• 欧洲法规,如联合国欧洲经济委员会第157号规则 (R157),利用计算驱动模型来评估系统安全.
• R157的附件3包括两种"有能力和谨慎"的驾驶员模型,用于评估事故的可预防性,但它们缺乏现实世界的验证.

研究的目的:

• 在真实安全关键事件中对人类行为进行反事实模拟和评估两个R157驾驶员模型的性能.
• 为了评估模型在代表"有能力和谨慎"的驾驶员方面的准确性,特别是在切入场景中.

主要方法:

• 使用反事实模拟技术.
• 将两个R157驾驶员模型应用于SHRP2自然驾驶研究中的38个安全关键的近乎撞车事件.
• 将模型反应 (例如,制动开始) 与这些接近撞车场景中的人类驾驶员反应进行比较.

主要成果:

• 一款车型表现出延迟制动反应,导致三次模拟撞车,表明它不代表一名合格的驾驶员.
• 第二种车型比人类驾驶员更早地开始车,这表明它可能过于谨慎或过于敏感.
• 这两种模型都显示了与人类驾驶员在关键切入情况下的性能差异.

结论:

• 目前在R157中的计算驱动器模型需要大幅改进,以便准确的监管使用.
• 加强验证至关重要,涉及各种场景 (例如,切入冲突) 和多个安全指标,包括反事实近碰撞模拟.
• 未来的车型应纳入反映交通情况紧迫性的因素,以更好地与人类驾驶员行为保持一致.