自動運転の運用設計領域(ODD)に関する記事

自動運転の運用設計領域(ODD)に関する記事

2021年4月30日、SAEはJ3016「運転自動化分類」の第4版をリリースしました。これは、2014年1月16日、2016年9月30日、2018年6月15日に続くJ3016の反復更新です。

2021年7月、ISOはISO 22737「所定経路における低速自動運転(LSAD)の性能要件、システム要件および性能試験仕様」をリリースしました。

このシリーズでは、自動運転ODD、DDT、DDTフォールバック、OEDR、低速自動運転、自動運転分類について詳細に解説します。

01 基本概念

自動運転は地球上のあらゆる国や地域で正しく機能する必要があります。そのため、道路の種類、路面標示、交通標識などの種類や気象条件などの環境問題を総合的に考慮する必要があります。自動運転車が意図された動作環境で適切に機能することを確認することは、自動運転システム全体の検証の重要な部分です。運用設計ドメイン (ODD) という用語の元の定義は、SAE J3016 に由来します。

SAE J3016では、ODDを「環境的、地理的、時間的制約、および/または特定の交通または道路特性の有無を含むがこれらに限定されない、特定の運転自動化システムまたはその機能が動作するように設計されている条件」と定義しています。[1]

簡単に言えば、ODD はどのような条件下で自動運転が可能かを定義するものです。これらの条件外では、自動運転が機能することは保証されません。あらゆる自動運転車両には、一定の制限された動作条件がなければなりません。この動作条件は非常に広範囲に及ぶことも、非常に精密に及ぶこともあり、自動運転車両がどのようなシナリオを処理できるかを決定します。例えば、自動車の自動運転システムは高速道路でしか使えません。車線を自動で維持したり、自動で追い越したり、車両を自動で追従したり、自動で道を譲ったり、ETCを自動で通過したり、スロープを自動で出入りしたりといったことはできますが、市街地では完全な自動運転はできません。同時に、自動運転のテストと検証が完了していることを保証するには、システムが安全に動作することを保証したり、システムが ODD の範囲を超えた状況を識別できることを保証することによって、少なくとも ODD のすべての側面が検証されていることを確認する必要があります。

工業情報化部が発行した国家推奨標準「GBT自動車運転自動化分類」において、ODDとは設計時に決定される運転自動化機能の車両状態と外部環境を指します。運用設計条件 (ODC) は、ODD、ドライバーの状態、その他の必要な条件など、設計実行時に決定される運転自動化機能の正常な動作の条件です。 [2]

ダイナミック ドライビング タスク (DDT)とは、旅程のスケジュール設定や目的地および中間地点の選択などの戦略的機能を除き、道路交通で車両を操作するために必要なすべてのリアルタイムの運用および戦略的機能です。

ダイナミック ドライビング タスク フォールバック (DDT フォールバック)とは、(1) DDT パフォーマンス関連のシステム障害が発生した後、または (2) ODD が終了したときに、同じ状況下で DDT を実装するか、最小リスク状態を達成するためのユーザーの応答、または最小リスク状態を達成するための ADS 応答です。

オブジェクトおよびイベントの検出と応答 (OEDR)は、運転環境を監視し (オブジェクトとイベントを検出、識別、分類し、必要に応じて応答する準備を行う)、これらのオブジェクトとイベントに適切な応答を実行する (つまり、必要に応じて DDT を完了し、DDT を引き継ぐ) という DDT のサブタスクです。

低速自動運転(LSAD)は、最高速度8.89m/s(32km/h)の自動運転システムであり、ラストマイル輸送、商業地域輸送、商業または空港、港、大学キャンパスなどの低速環境で使用されます。 [3]

運転自動化のレベルまたはカテゴリは、運転自動化システムの機能に基づいており、DDT および DDT フォールバック実行におけるその機能と (人間の) ユーザー (存在する場合) 間の役割の分担によって決定されます。運転自動化システムの機能コンポーネントの製造元は、運転自動化レベルを含む機能の要件、ODD、動作特性を決定します。

02 ODDケース

(1)ISO 22737で定義されたLSAD ODD

各 LSAD システムには、製造元によって定義された ODD が必要です。 LSAD ODD 制限システムでは、少なくとも次の属性を指定する必要があります。

  • 低速: LSAD システムの速度は 8.89 m/s または 32 km/h 以下である必要があります。
  • 適用範囲:たとえば、アクセスが制限されている道路や専用道路 (公共または私有)、歩行者/自転車道、またはすべてのまたは特定のカテゴリの自動車のアクセスが制限されているエリアなど。通行制限道路は、車線標示や速度制限、あるいは物理的な境界線によって指定されることがあります。
  • 定義済みルート: LSAD システムが運用される前に LSAD システムで定義されたルート。 LSAD システムはスケジュールされたルートでのみ動作できます。意図するルートについては、関係する利害関係者(地方自治体、サービスプロバイダー、製造業者など)が共同で決定する必要があります。ディスパッチャーは、計画されたルートからの逸脱が危険な状況につながらないことを確認する必要があります。d) 適用エリアの照明条件。
  • 気象条件;
  • 道路状況;
  • VRU の有無。
  • 走行可能エリア内に静止障害物が存在する場合があります。
  • ネットワーク接続要件など

LSAD システムまたはディスパッチャは、現在の ODD 条件 (霧の状態、夜間の照明条件など) に基づいて、ODD 属性の所定の値の範囲内で、指定されたアプリケーション (LSAD システムによって運転される車両用) の動作値を選択する必要があります。たとえば、ディスパッチャまたは LSAD システムは、雨の日の最大許容速度を晴れの日よりも低い速度に制限することを決定する場合があります。

(2)モデルBのL3 ODD[4]

a) 地理的制限:地理的 ODD には、ジオフェンスの境界と、その境界内のエリアに適用されるすべての交通規則が含まれます。このシステムは、交差点やラウンドアバウトがなく、対向車から連続的に構造的に分離されている限られた高速道路でのみ作動および操作できます。この道路タイプは、歩行者や自転車が出現する可能性が低いことが特徴です。これらの起動条件の遵守は、交通標識を監視するカメラなどの車載センサーによって検出され、高解像度の地図によって提供される情報によっても確保されます。法的要件などのさまざまな要素を考慮して、レベル 3 ADS は 0 ~ 85 mph (136.79 km/h) の速度で動作するように設計されています。

b) 環境制約:自律走行車は、あらゆる状況下での安全な動作を確保するために、環境 ODD を継続的に監視します。たとえば、車両の速度は、時間帯、光の条件、路面の摩擦が少なすぎるかどうか(道路に雪や氷がある場合など)、または風が強すぎるかどうかに基づいて調整されます。

c) 人間の運転手の限界:運転手はシートベルトを着用し、正しく座り、目を覚ましている必要があるなど。

(3)モデルAのL3 ODD

  • 2車線以上で中央分離帯とガードレールがある高速道路または自動車専用道路を運転する。
  • 車線内の車両と周囲の車線との距離が比較的近い、つまり渋滞が発生している。
  • 車両の速度は時速60kmを超えない。
  • センサーが検知できる範囲内に信号機、歩行者、自転車等は存在しません。

03 NHTSA ODD分類フレームワーク

NHTSA は、「自動運転システムのテスト可能なケースとシナリオのフレームワーク」で、インフラストラクチャ、運転操作の制限、周囲の物体、接続性、環境条件、エリアなど、6 つの主要要素を使用して設計操作ドメインを構築します。 [5]

(1)インフラ

道路の種類:中央分離帯のある高速道路、中央分離帯のない高速道路、幹線道路、市街地、田舎道、駐車場、複数車線、単一車線、多乗車車両 (HOV) 車線、入口/出口ランプ、緊急避難経路、一方通行、右左折車線、私道、双方向車線、交差点 (信号、U ターン、四方/双方向停止、ラウンドアバウト、合流車線、左左折車線、横断歩道、料金所、踏切) (FHWA、2012)。

路面:アスファルト、コンクリート、ミックス、格子、レンガ、土、砂利、削り取られた道路、部分的に塞がれた道路、スピード バンプ、穴、芝生 (Gibbons、1999)。

道路の端:標示、一時的な標示、路肩 (舗装または砂利)、路肩 (芝生)、コンクリートの障壁、格子、ガードレール、縁石、コーン (Sage、2016)。

道路の形状:直線、曲線、丘、側面のピーク、コーナー (通常、死角)、マイナス障害物、車線幅 (Huang、2010)。

(2)運転操作の制限

速度制限:最小および最大の速度制限(絶対、速度制限に対する相対、周囲の交通に対する相対)(Elpern Waxman、2016)。

交通状況:最小交通量、通常の交通量、渋滞/ラッシュアワー時の交通量、変化する交通状況 (事故、緊急車両、工事、道路閉鎖、特別イベント) (カリフォルニア大学道路プログラム、2016 年)。

(3)周囲の物体

標識と標示:標識 (例: 停止、譲る、歩行者、線路、学校区域など)、交通信号 (点滅、学校区域、消防署区域など)、横断歩道、踏切、停車中のバス、工事標識、緊急信号、遭難信号、道路利用者信号、手信号 (FHWA、2012)。

道路利用者:車両の種類 (乗用車、小型トラック、大型トラック、バス、オートバイ、幅広貨物車、緊急車両、建設機械、馬車)、駐車車両、移動車両 (マニュアル、オートマチック)、歩行者、自転車 (CA DMV、2016)。

道路利用者以外の障害物/物体:動物 (犬、鹿など)、ショッピングカート、破片 (タイヤの破片、ゴミ、はしごなど)、建設機械、歩行者、自転車。

(4)インターネット

車両: V2V通信(C-V2X/DSRC、Wi-Fiなど)、緊急車両。

交通量の多い情報:クラウドソーシング データ (Waze など) と V2I。

リモート車両管理システム:車両は、リモート操作を実行できるオペレーション センターによってサポートされます (Aljaafreh 他、2011)。

施設センサーなど:作業区域アラート、道路弱者、ルートおよびインシデント管理、GPS、3D 高解像度マップ (Ellicipuram、2016)、道路の穴の位置、気象データ、クラウド データなど。

(5)環境条件

天気:風、雨、雪、みぞれ、気温。高速道路では、小雨や小雪により平均速度が 3% ~ 13% 低下する可能性があります。大雨により平均速度が 3% ~ 16% 低下する可能性があります。大雪の際には、高速道路の平均速度が 5% ~ 40% 低下することがあります。自由流速は、小雨の場合は 2% ~ 13%、大雨の場合は 6% ~ 17% 低下する可能性があります。雪により、自由流の速度が 5% ~ 64% 低下する可能性があります。降雨時には、速度変動が 25% 減少する可能性があります (FHWA、2017c)。

天候による道路状況:水たまり、冠水した道路、凍結した道路、雪道。洪水により車線が冠水したり、雪や風で飛ばされた破片により車線が塞がれると、交通容量が減少する可能性があります。危険な状況(強風時の大型トラックなど)による道路閉鎖や移動制限によっても、道路容量が減少する可能性があります(FHWA、2017)。

粒子状物質:霧、煙、スモッグ、ほこり/汚れ、泥。視界が悪いと速度が 10% ~ 12% 低下する可能性があります。霧や大雨、吹雪、ほこり、煙などにより視界距離が短くなることがあります。視界が悪いと速度差が大きくなり、衝突のリスクが高まります。霧の中では毎年 38,700 件以上の衝突事故が発生し、これらの衝突事故で毎年 600 人以上が死亡し、16,300 人以上が負傷しています (FHWA、2017b)。

照明:昼間 (太陽: 頭上照明、テールライト、ヘッドライト)、夜明け、夕暮れ、夜間、街灯、ヘッドライト (通常ビームとハイビーム)、対向車のライト (頭上照明、テールライト、ヘッドライト) (FHWA、2017a)。

(6)地域

ジオフェンシング:中心業務地区、キャンパス、退職者コミュニティ (例: CityMobil2 は、道路と歩道上の時速 20 マイル未満のルートを含む固定ルートです)。

交通規制エリア:一時的な車線閉鎖、動的な交通標識、可変速度制限、一時的または存在しない車線標示、手動で誘導される交通、積み降ろしエリアなどが含まれる場合があります。

スクールゾーン:動的な速度制限、歩行者と車両の不規則な行動(Marshall、2017)。

国/州:法律、規制、執行、侵害、その他の考慮事項 (追跡距離、ライセンスなど) (Bomey & Zambito、2017)。

干渉エリア:トンネル、駐車場、密集した植生、高層ビル、および気象条件によって制限される GPS。

04 英国PAS1883規格

2020年8月、英国規格協会(BSI)はPAS1883規格「自動運転システム(ADS)の運用設計ドメイン(ODD)分類法 - 仕様」を発表しました。この規格では、景観(エリア、走行可能エリア、交差点、特殊構造物、固定道路構造物、一時道路構造物)、環境条件(天候、粒子、照明、接続性)、動的要素(交通、対象車両)の3つの主要要素を使用して設計運用ドメインを構築します。 [6]

(1)風景

エリア:

  • ジオフェンスゾーン。
  • 交通管理区域;
  • 学校区域;
  • 国または地域;
  • 密集した木々や高い建物などの干渉エリアでは、測位信号が失われる可能性があります。

運転エリア:

  • 走行可能エリアの種類。
  • 走行可能エリアの形状。
  • 走行可能エリアの車線仕様。
  • 運転区域標識;
  • 走行可能エリアの端。
  • 走行エリアの表面。

走行可能エリアの種類:高速道路、放射道路 (A 道路は高速道路を配送道路または市街地に接続する高密度交通道路です)、配送道路 (B 道路は A 道路を二次道路または地方道路に接続し、通常は低~中程度の容量です)、二次道路 (二次道路または地方道路は住宅地やその他の地域開発へのアクセスを提供します)、支線道路、駐車場、共有スペース。

走行可能エリアの形状:水平面 (直線と曲線)、横断面 (分割、不可分、歩行者通路、端の障害物、さまざまな種類の車線)、縦面 (上り坂 (正の勾配)、下り坂 (負の勾配)、水平面)。

走行可能エリアの車線仕様:車線サイズ、車線標示、車線タイプ (バス車線、交通車線、自転車車線、路面電車車線、緊急車線またはその他の特別車線)、車線数、および走行方向。

走行可能エリアの標識:情報標識、規制標識、警告標識。

走行可能エリアの端:マークされた線、路肩 (舗装または砂利)、路肩 (芝生)、固体障壁 (例: 格子、レール、縁石、コーン)、一時的なマーキング、なし。

走行可能エリアの路面:走行可能エリアの路面タイプ (緩い路面 (砂利、土、砂など)、セグメント化された路面 (コンクリート スラブ、花崗岩、玉石など)、均一な路面 (アスファルトなど))、走行可能エリアの路面特性 (交通や天候による損傷を含む、ひび割れ、穴、わだち、または隆起として分類される)、走行可能エリアに起因する路面状況 (凍結、冠水した道路、蜃気楼、走行可能エリアの積雪、水たまり、濡れた道路、表面の汚染)。

交差点:ラウンドアバウト、交差点(T字路、Y字路、十字路、千鳥交差点、立体交差)。

特殊構造物:自動アクセス制御、橋、横断歩道、踏切、トンネル、料金所。

固定された道路構造物:建物、街灯、街路設備 (ボラードなど)、植生。

一時的な道路構造物:建設現場の迂回路、廃棄物収集、道路工事、道路標識。

(2)環境条件

  • 天気:風、雨、雪。
  • 粒子状物質:海洋(沿岸地域のみ)、降水しない水滴または氷の結晶(霧/ミストなど)、ほこり、煙、汚染物質、火山灰。
  • 照明:昼間、夜間または周囲の照明が弱い状況、雲、人工照明 (街灯や対向車のライトなど)。
  • 接続性: V2X。

(3)動的要素

  • 交通:エンティティ密度、交通量、流れ、エンティティの種類、特殊車両 (救急車やパトカーなど) の存在。
  • 対象車両:対象車両の速度は追加の ODD 属性です。

05 SAE J2980 ODD分類フレームワーク

SAE J2980 規格では、運用設計ドメインを構築するために、場所 (高速道路、田舎道、市街地道路、交差点、未舗装道路、オフロード、駐車場、私道、修理工場)、道路状況 (路面摩擦 (乾燥、凍結、雪、濡れ、ひび割れ)、傾斜、道路幅)、運転操作 (発進、停止、前進、後進、直進、旋回、車線回避、車線変更、接近)、車両状態 (スキー、クローリング、加速、減速、駐車、停止、衝突)、その他の考慮事項 (横風、対向車、工事現場、事故シナリオ、交通渋滞、歩行者)、その他の車両特性 (その他の車両システムの状態: 故障コード、トレーラー、重い荷物、始動のオン/オフ、リモート車両始動、その他のテクノロジー) など、6 つの主要要素を使用することが推奨されています。 [7]

06 欧州ペガサスプロジェクト

欧州のPEGASUSプロジェクトでは、6つの独立したレイヤーを持つシーンシステム記述モデルを提案した[8]。

  1. 道路:形状、トポロジー、舗装の品質、境界(舗装)
  2. インフラストラクチャ:境界 (構造物)、標識、信号など。
  3. 第1レベルおよび第2レベルの臨時業務:一時的な道路閉鎖、道路工事現場などの道路上の臨時施設。
  4. ターゲット:静的、動的、モバイル、インタラクティブ、操作可能。
  5. 自然環境:天候、照明、その他の環境情報。
  6. デジタル情報: V2X情報、デジタルマップ情報などのデジタル情報。

<<:  DingTalk Flutter クロス 4 端末ソリューションの設計と技術実践

>>:  AIが医療診断を改善する方法

ブログ    
ブログ    
ブログ    
ブログ    

推薦する

GPT-4が「愚か」になったと誰もが不満を言っていますが、これはアーキテクチャの再設計が原因かもしれません。

OpenAI が GPT-4 を最初にリリースしてから約 4 か月が経ちました。しかし、時間が経つ...

...

機械に記憶を与える: DeepMind の主要研究は柔軟な重み統合アルゴリズムを提案

世界で最も注目されている人工知能研究機関のひとつである Google DeepMind は、常に私た...

ビジネス界がディープラーニングの導入に消極的である4つの理由

[51CTO.com クイック翻訳] 過去数年間にわたり、多くの企業がデータ主導のアプローチを採用す...

Google AIが既知のタンパク質配列の10%を一度に注釈付け、10年で人間の研究成果を上回る

タンパク質は人体のすべての細胞と組織の重要な構成要素です。体のすべての重要な成分にはタンパク質が必要...

...

7つの部門:AI、IoTなどの技術を活用し、廃家電リサイクル・処理のインテリジェント化を推進

近年、人工知能などの新世代情報技術や5Gなどの新世代通信技術の急速な発展に伴い、あらゆる分野で科学技...

ChatGPTのトラフィックは3か月連続で減少しており、大学生の活躍で回復に寄与している

この記事はAI新メディアQuantum Bit(公開アカウントID:QbitAI)より許可を得て転載...

製造バリューチェーンにおいて RPA に真のチャンスはあるのでしょうか?

製造業における自動化の推進力は非常に単純です。自動化は人間の作業をシミュレートするため、人間は製造バ...

2022年、ビッグモデルはどこまで行けるでしょうか?

[[442868]]著者: ユン・チャオこの記事は、2021年の業界レビュー、2021年のビッグモ...

...

...

スマートシティを計画する際には、アクセシビリティを忘れないようにしましょう

私たちは、使用するほぼすべてのものが「スマート」な時代に生きています。私たちのデバイスは、長い間、指...

AIとロボット工学でオフショア業務を効率化する方法

長い間、肉体的に過酷で危険な仕事が特徴とされてきた石油産業は、変革を遂げつつある。この変化は、通信技...

...