合成碰撞前场景的实际验证

Practical validation of synthetic pre-crash scenarios

合成预碰撞场景的代表性对于通过虚拟仿真评估驾驶自动化系统的安全影响至关重要。然而，在稳健评估合成预碰撞场景与其真实场景的实践等效性（即它们是否足够相似以满足预期评估目的）方面仍存在空白。传统显著性检验因侧重于检测差异而非建立实际等效性而显不足。本研究通过扩展我们先前基于贝叶斯实际等价区间（ROPE）的等价性检验框架，引入基于分箱的方法来定义适当的统计量和等效性标准，从而解决了这一研究空白。提出了两种基于分箱的统计量，用于在安全影响评估背景下测量数据集之间具有实际意义分布差异。通过案例研究展示了该框架的适用性：在自动紧急制动系统的安全影响评估背景下，检验两组合成追尾预碰撞数据集与先前开发的参考数据集之间的实际等效性。结果表明，该框架提供了关于实际等效性的信息性量化评估，以及对数据集差异的诊断性见解。尽管演示聚焦于追尾预碰撞场景，但该框架具有通用性和可扩展性，可适用于更广泛的验证环境，为跨不同合成数据应用的实际等效性评估提供了可解释且原则性的基础。