The ideal vulnerable road user – a study of parameters affecting VRU detection
Notice bibliographique
Résumé
Advanced Driving Assistance Systems (ADAS) have the potential to reduce occurrences and severity of collisions with Vulnerable Road Users (VRUs). However, the nearly infinite number of possible VRU visual appearances (e.g., size, clothing, accessories) represent a technical challenge as systems need to correctly detect and identify VRUs to take adequate mitigation measures. The aim of this study was to determine, through track testing, which parameters affect systems’ capabilities in detecting pedestrians. The standardized articulated adult male pedestrian (EPTa) and seven-year-old articulated child pedestrian (EPTc) targets were used as the control group. Evaluations on the track followed the Euro NCAP AEB-VRU test protocols, and derivatives thereof. An iterative test approach was used to benchmark the detection capabilities of systems with variations in target configuration and environmental conditions against the control group (baseline condition). Over 1,000 track tests using 24 configurations and 13 vehicles (model years 2019-2021) were conducted. The environmental conditions included nighttime and snow-covered roads. Pedestrians were dressed in winter clothing and/or equipped with accessories, including a hat, jackets of different colors, backpack, umbrella, and a scooter. Other scenarios involved parked vehicles as obstructions or using multiple pedestrian targets (to simulate a parent crossing the road with child or a crowd waiting at an intersection) to challenge the vehicles with realistic urban-like scenarios. This study illustrates how the variation of parameters outside the baseline condition can affect a vehicles’ safety performance. Weather conditions and urban-like scenarios on the test track affected some systems more than others. The validity of these findings is however limited by the small vehicle sample size and number of tests performed per scenario. In Canada, vehicles are exposed to less-than-ideal road conditions and a wide range of pedestrian profiles. The vehicles tested demonstrated various levels of performance and capabilities when mitigating collisions with pedestrians. The research illustrates the safety risks associated with weather and types of VRUs.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».