在碰撞集群中识别模式,涉及具有先进驾驶技术的车辆

科学领域:

• 道路交通安全问题 道路安全问题
• 汽车工程 汽车工程
• 人与计算机的互动.

背景情况:

• 自动驾驶汽车 (AV) 技术,包括高级驾驶辅助系统 (ADAS) 和自动驾驶系统 (ADS),提供潜在的安全益处,但涉及到越来越多的撞车事故.
• 关于AV撞击因素的现有研究尚未完全阐明ADAS和ADS特定撞击集群中的关键风险模式.
• 了解这些模式对于有针对性的安全改进和政策制定至关重要.

研究的目的:

• 识别和分析ADAS和ADS参与的AV崩集群中的关键风险因素模式.
• 为了比较和对比ADAS和ADS参与的场景之间的崩特征.
• 提供数据驱动的建议,以加强AV安全和告知政策.

主要方法:

• 利用集群对应分析工具对ADAS和ADS参与的AV进行集群与机相关的因素.
• 分析崩数据以识别不同的集群及其相关特征.
• 在ADAS和ADS参与之间比较了碰撞结果,道路状况和碰撞伙伴.

主要成果:

• 确定了ADAS和ADS交战的三个不同的碰撞集群.
• 由ADAS引发的碰撞经常涉及致命的十字路口碰撞,特别是与左转车辆的碰撞.
• 由ADS引起的碰撞通常涉及白天的非驾驶员;这两种系统都显示了高速公路上动物的风险.

结论:

• 建议进行基础设施改进和增强的AV算法/传感器 (特别是用于低光下非驾驶者和动物的检测).
• 政策制定者应该专注于驾驶员教育安全的自动驾驶操作,并强制外部人机接口来改善通信和减少后端碰撞.