要旨: 自動運転車（AV）は、周囲のドライバーが予測できるような保守的でルールベースの運動方策に従うことが広く知られている。その直接的な帰結として、人間のドライバーは、別の人間が運転する車両（HDV）を対象にするときよりも、AVの前に割り込むときのほうが、より短い縦方向の車間（ギャップ）を受け入れる可能性がある。本研究では、Waymo Open Motion Dataset（WOMD）を用いてこの仮説を検証する。このデータセットは、10ヘルツで収集された実世界の高速道路シナリオ25,906件を提供している。8つの基準からなる車線変更検出器により、同一の交通環境から706件のHDV対AVの割り込み事象と、3,172件のHDV対HDVの割り込み事象が抽出される。Waymo AVの前で受け入れられたギャップの中央値は7.58メートルであるのに対し、HDVの目標では9.57メートルであり、統計的に有意な1.99メートルの減少（pは10の負の8乗に5.76倍、dは負の0.224）となる。この差は、速度を一致させた再サンプリングの下でも持続する。AVに向けての割り込み速度は37%高い（51.7対37.7キロメートル毎時、dは0.502）。さらに、AVを対象とした割り込みの68.0%は10メートルのギャップ境界未満で発生するのに対し、HDVを対象とした事象では51.8%である（χ二乗は60.5、pは10の負の13乗未満）。これらの結果は、人間のギャップ受け入れ行動における、体系的で安全に関わる非対称性を明らかにし、そのためAV固有のキャリブレーションが、運動計画における安全エンベロープと交通シミュレーションモデルの両方に対して必要であることを示している。
自動運転車と人が運転する車への割り込みにおける受け入れギャップ：Waymo Open Motion Datasetの証拠
arXiv cs.RO / 2026/5/5
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本研究は、WOMD（Waymo Open Motion Dataset）を用いて、自動運転車（AV）を対象にした割り込み（車線変更）では、人が運転する車（HDV）を対象にした場合よりも短いギャップが受け入れられるかを検証した。
- 同一の交通環境から、8つの基準による車線変更検出器によって、HDV-to-AVが706件、HDV-to-HDVが3,172件の割り込み事象を抽出した。
- Waymo AVの前では中央値の受け入れギャップが7.58 mとなり、HDVターゲット前の9.57 mよりも有意に短く、その差は速度を合わせた再サンプリング後も維持された。
- AVに向けた割り込みでは速度が高く、さらに10メートル以下のギャップ領域に該当する割合が高いことが示され、人の行動に一貫した非対称性があることを示唆する。
- 結果として、実際の人間の挙動を反映するために、モーションプランニングの安全余裕（安全エンベロープ）と交通シミュレーションモデルの双方でAV固有のキャリブレーションが必要であることが示された。
