TU Darmstadt / ULB / TUbiblio

Severity Estimation for Risk-based Motion Planning

Müller, Fabian (2023)
Severity Estimation for Risk-based Motion Planning.
Technische Universität Darmstadt
doi: 10.26083/tuprints-00023325
Dissertation, Erstveröffentlichung, Verlagsversion

Kurzbeschreibung (Abstract)

The goal of autonomous driving is to increase safety, benefit and comfort for all road users. Above all, the area of risk perception is of central importance in preventing critical situations or averting possible harm. Factors such as measurement uncertainties in environment perception, uncertainties about the future behavior of road users change the probability of occurrence of critical events, such as a collision between road users, and thus the risk of planned driving maneuvers.

In this work, based on an environmental representation and given motion models, a risk assessment for a discrete-time event prediction with focus on collisions between two vehicles is presented as part of a cost-based planner, which additionally adds utility and comfort along a planned trajectory. A risk assessment includes not only the often modeled probability of occurring critical events, but also their damages such as injuries to occupants or loss of value of the vehicle. Classical metrics consider either accident probability or severity. In this work, both components of risk are considered together, whose impact on driving behavior becomes visible in medium-critical scenarios such as overtaking or passing in narrow scenarios.

The modeling of a collision event considers two polygonal-shaped objects from the bird's eye view - preferably rectangles - of different sizes. States like positions and velocities of the objects are subject to uncertainties which are approximated by a Gaussian distribution. In order to detect all collisions even with highly dynamic objects, the detection is quasi time-continuous. This means that in addition to checking at discrete sampling time points, collision constellations located between two consecutive time points are also considered. Furthermore, analytical methods for the determination of the collision probability and of all state distributions are presented, which either represent states with collided traffic participants or include only collision-free trajectories. Compared to a classical Monte Carlo simulation with 1000 samples, the computation time is significantly reduced while maintaining the same accuracy. To further increase the accuracy, the state distribution of the non-collided trajectories is represented using multidimensional Gaussian Mixture Models in state space, whose number of combined unimodal components depends on possible avoidance scenarios.

A modeling approach is presented for the severity of a collision that considers the injuries of subsequent collision events in addition to the injury severity of the initial contact. Overall, the accident severity model includes the following components: a posteriori states after the collision by applying the momentum conservation equations, the control capability of the vehicles after the collision, the injury of the vehicle occupants during the collision, and an ethical trade-off between the injury probabilities of all involved occupants. To evaluate the presented model, it is subsequently compared with three less detailed models, which are strongly based on the literature.

In the simulations of critical driving scenarios, it is shown, among other things, that when accident severity models are used, a speed-adaptive transition range is established between simple following scenarios and narrow overtaking maneuvers due to the interaction between severity and collision probability evaluations. Here, a speed difference is formed that creates a minimum risk during the overtaking maneuver and is primarily dependent on the lateral distance. In addition, the application of the momentum conservation equation with its masses and the injury modeling of all occupants leads to the protection of the weaker collision partner between dissimilar vehicles, such as a car versus a truck, which is expressed by a significant reduction in overtaking speeds.

Typ des Eintrags: Dissertation
Erschienen: 2023
Autor(en): Müller, Fabian
Art des Eintrags: Erstveröffentlichung
Titel: Severity Estimation for Risk-based Motion Planning
Sprache: Englisch
Referenten: Adamy, Prof. Dr. Jürgen ; Sendhoff, Prof. Dr. Bernhard
Publikationsjahr: 2023
Ort: Darmstadt
Kollation: XXV, 235 Seiten
Datum der mündlichen Prüfung: 16 Dezember 2022
DOI: 10.26083/tuprints-00023325
URL / URN: https://tuprints.ulb.tu-darmstadt.de/23325
Kurzbeschreibung (Abstract):

The goal of autonomous driving is to increase safety, benefit and comfort for all road users. Above all, the area of risk perception is of central importance in preventing critical situations or averting possible harm. Factors such as measurement uncertainties in environment perception, uncertainties about the future behavior of road users change the probability of occurrence of critical events, such as a collision between road users, and thus the risk of planned driving maneuvers.

In this work, based on an environmental representation and given motion models, a risk assessment for a discrete-time event prediction with focus on collisions between two vehicles is presented as part of a cost-based planner, which additionally adds utility and comfort along a planned trajectory. A risk assessment includes not only the often modeled probability of occurring critical events, but also their damages such as injuries to occupants or loss of value of the vehicle. Classical metrics consider either accident probability or severity. In this work, both components of risk are considered together, whose impact on driving behavior becomes visible in medium-critical scenarios such as overtaking or passing in narrow scenarios.

The modeling of a collision event considers two polygonal-shaped objects from the bird's eye view - preferably rectangles - of different sizes. States like positions and velocities of the objects are subject to uncertainties which are approximated by a Gaussian distribution. In order to detect all collisions even with highly dynamic objects, the detection is quasi time-continuous. This means that in addition to checking at discrete sampling time points, collision constellations located between two consecutive time points are also considered. Furthermore, analytical methods for the determination of the collision probability and of all state distributions are presented, which either represent states with collided traffic participants or include only collision-free trajectories. Compared to a classical Monte Carlo simulation with 1000 samples, the computation time is significantly reduced while maintaining the same accuracy. To further increase the accuracy, the state distribution of the non-collided trajectories is represented using multidimensional Gaussian Mixture Models in state space, whose number of combined unimodal components depends on possible avoidance scenarios.

A modeling approach is presented for the severity of a collision that considers the injuries of subsequent collision events in addition to the injury severity of the initial contact. Overall, the accident severity model includes the following components: a posteriori states after the collision by applying the momentum conservation equations, the control capability of the vehicles after the collision, the injury of the vehicle occupants during the collision, and an ethical trade-off between the injury probabilities of all involved occupants. To evaluate the presented model, it is subsequently compared with three less detailed models, which are strongly based on the literature.

In the simulations of critical driving scenarios, it is shown, among other things, that when accident severity models are used, a speed-adaptive transition range is established between simple following scenarios and narrow overtaking maneuvers due to the interaction between severity and collision probability evaluations. Here, a speed difference is formed that creates a minimum risk during the overtaking maneuver and is primarily dependent on the lateral distance. In addition, the application of the momentum conservation equation with its masses and the injury modeling of all occupants leads to the protection of the weaker collision partner between dissimilar vehicles, such as a car versus a truck, which is expressed by a significant reduction in overtaking speeds.

Alternatives oder übersetztes Abstract:
Alternatives AbstractSprache

Das Ziel autonomen Fahrens ist die Erhöhung von Sicherheit, Nutzen und Komfort für alle Straßenteilnehmer. Vor allem der Bereich der Risikowahrnehmung ist von zentraler Bedeutung, um kritischen Situationen vorzubeugen bzw. um möglichen Schaden abzuwenden. Faktoren wie die Messunsicherheiten in der Umfeldwahrnehmung, Unsicherheiten über das zukünftige Verhalten der Verkehrsteilnehmer ändern die Wahrscheinlichkeit des Eintretens kritischer Ereignisse, wie einer Kollisionen zwischen Verkehrsteilnehmern, und damit das Risiko geplanter Fahrmanöver.

In dieser Arbeit wird basierend auf einer Umweltrepräsentation und gegebenen Bewegungsmodellen eine Risikobewertung für eine zeit-diskrete Ereignisvorhersage mit Fokus auf Kollisionen zwischen zwei Fahrzeugen vorgestellt, die als Teil eines Kosten-basierten Planers ist, welcher zusätzlich auch den Nutzen und Komfort entlang einer geplanten Trajektorie hinzuzieht. Eine Risikobewertung beinhaltet neben der oft modellierten Wahrscheinlichkeit des Eintretens kritischer Ereignisse auch deren Schäden wie Verletzungen der Insassen oder Wertverluste am Fahrzeug. Klassische Metriken betrachten entweder die Unfallwahrscheinlichkeit oder die Unfallschwere. In dieser Arbeit werden beide Komponenten des Risikos zusammen betrachtet, dessen Auswirkung auf das Fahrverhalten in mittel-kritischen Szenarien wie beim Überholen oder Vorbeifahren in Engstellen sichtbar werden.

Die Modellierung des Kollisionsereignisses betrachtet zwei polygonal-geformte Objekte aus der Vogelperspektive - vorzugsweise Rechtecke - unterschiedlicher Größe. Zustände wie Positionen und Geschwindigkeiten der Objekte unterliegen Unsicherheiten, die durch Gauß'sche Verteilung angenähert werden. Um alle Kollisionen auch bei hochdynamischen Objekten zu erkennen, erfolgt die Detektion quasi zeit-kontinuierlich. Das heißt, dass neben der Überprüfung an den diskreten Abtastzeitpunkten auch Kollisionskonstellationen betrachtet werden, die sich zwischen zwei aufeinander folgenden Zeitpunkten befinden. Des Weiteren werden analytische Methoden zur Bestimmung der Kollisionswahrscheinlichkeit und aller Zustandsverteilungen vorgestellt, die entweder Zustände mit kollidierten Verkehrsteilnehmern abbilden oder nur Kollisionsfreie Trajektorien beinhalten. Im Vergleich zu einer klassischen Monte Carlo Simulationen mit 1000 Sampeln wird die Rechenzeit bei gleich bleibender Genauigkeit deutlich verringert. Zur weiteren Erhöhung der Genauigkeit wird die Zustandsverteilung der nicht-kollidierten Trajektorien mithilfe mehrdimensionaler Gauß'schen Mischverteilungen (GMM) im Zustandsraum repräsentiert, dessen Anzahl an Komponenten von den möglichen Ausweichszenarien abhängt.

Für die Schwere einer Kollision wird eine Modellierung vorgestellt, die neben der Verletzungsschwere des ersten Kontakts auch den Schaden nachfolgender Kollisionsereignisse berücksichtigt. Insgesamt beinhaltet das Unfallschwermodell folgende Komponenten: a posteriori Zustände nach der Kollision durch Anwendung der Impulserhaltungsgleichungen, die Kontrollfähigkeit der Fahrzeuge nach der Kollision, die Verletzung der Fahrzeuginsassen durch die Kollision sowie eine ethische Abwägungen zwischen den Verletzungswahrscheinlichkeiten aller beteiligter Insassen. Zur Evaluierung des vorgestellten Modells wird dieses im Anschluss mit drei, weniger detaillierten Modellen, welche stark an die Literatur angelehnt sind, verglichen.

In den Simulationen kritischer Fahrszenarien zeigt sich unter anderem, dass bei einer Verwendung von Unfallschweremodellen sich durch das Zusammenspiel mit der Unfallwahrscheinlichkeit, sich zwischen einfachen Folgeszenarien und nahen Überholmanövern ein Geschwindigkeits-adaptiver Übergangsbereich einstellt. Hier bildet sich eine Geschwindigkeitsdifferenz heraus, die ein minimales Risiko während des Überholvorgangs kreiert und in erster Linie vom seitlichen Abstand abhängig ist. Zusätzlich führt die Anwendung der Impulserhaltungsgleichung mit seinen Massen und die Verletzungsmodellierung aller Insassen dazu, dass der schwächere Kollisionspartner zwischen ungleichen Fahrzeugen, wie bspw. ein PKW gegenüber einem Lastkraftwagen, geschützt wird, was sich unter anderem durch eine deutliche Reduktion der Überholgeschwindigkeiten ausdrückt.

Deutsch
Status: Verlagsversion
URN: urn:nbn:de:tuda-tuprints-233259
Sachgruppe der Dewey Dezimalklassifikatin (DDC): 600 Technik, Medizin, angewandte Wissenschaften > 620 Ingenieurwissenschaften und Maschinenbau
Fachbereich(e)/-gebiet(e): 18 Fachbereich Elektrotechnik und Informationstechnik
18 Fachbereich Elektrotechnik und Informationstechnik > Institut für Automatisierungstechnik und Mechatronik
18 Fachbereich Elektrotechnik und Informationstechnik > Institut für Automatisierungstechnik und Mechatronik > Regelungsmethoden und Intelligente Systeme
Hinterlegungsdatum: 14 Mär 2023 13:01
Letzte Änderung: 15 Mär 2023 11:32
PPN: 505929627
Referenten: Adamy, Prof. Dr. Jürgen ; Sendhoff, Prof. Dr. Bernhard
Datum der mündlichen Prüfung / Verteidigung / mdl. Prüfung: 16 Dezember 2022
Export:
Suche nach Titel in: TUfind oder in Google
Frage zum Eintrag Frage zum Eintrag

Optionen (nur für Redakteure)
Redaktionelle Details anzeigen Redaktionelle Details anzeigen