Explorando el mecanismo de accidentes con vehículos automatizados utilizando enfoques de modelado estadístico

La tecnología de Vehículos Autónomos (AV) está emergiendo. Las pruebas de campo en carreteras públicas se han llevado a cabo en varios estados de EE. UU., así como en Europa y Asia. Durante las pruebas en carreteras públicas de EE. UU., ocurrieron accidentes que involucraron vehículos autónomos, lo que se convierte en una preocupación para el público. La mayoría de los estudios previos sobre la seguridad de los AV se basaron en gran medida en evaluar el rendimiento y el comportamiento de los conductores en un entorno de simulación y en desarrollar el rendimiento de los sistemas de conducción automatizada en un entorno de campo cerrado. Sin embargo, los factores contribuyentes y el mecanismo de accidentes relacionados con AV no se han investigado de manera integral y cuantitativa debido a la falta de datos sobre accidentes de AV en el campo. Aprovechando la Base de Datos de Informe de Colisiones de Tráfico que Involucran un Vehículo Autónomo de California, que incluye datos de accidentes de AV desde 2014 hasta 2018, este documento investiga, hasta ahora, la base de datos de accidentes de AV más actual y completa en EE. UU. utilizando enfoques de modelado estadístico que involucran tanto la regresión logística ordinal como el árbol de clasificación CART. El análisis cuantitativo basado en los modelos de regresión logística ordinal y CART ha explorado con éxito el mecanismo del accidente relacionado con AV, desde ambas perspectivas de la gravedad del accidente y los tipos de colisión. En particular, el modelo CART revela y visualiza la estructura jerárquica del mecanismo de accidente de AV con el conocimiento de cómo estos factores contribuyentes de tráfico, carreteras y medio ambiente pueden conducir a accidentes de diversas severidades y tipos de colisión. Los resultados del análisis estadístico indican que la gravedad del accidente aumenta significativamente si el AV es responsable del accidente. La carretera se identifica como el lugar donde es más probable que ocurran lesiones graves. Los tipos de colisión de AV se ven afectados por si el vehículo está en modo de conducción automatizada, si los accidentes involucran a peatones/ciclistas, así como por el entorno de la carretera. El método utilizado en esta investigación proporciona un enfoque probado para analizar y comprender estadísticamente los problemas de seguridad de los AV. Y este beneficio puede incluso aumentar con el tamaño creciente de la muestra de registros de accidentes relacionados con AV en el futuro. El conocimiento integral obtenido facilita, en última instancia, la evaluación y mejora del rendimiento de seguridad de los vehículos automatizados.