← Blog

論文 F ジャーナルプランニング v2: UAV セーフティクリティカルシナリオエンジニアリングのためのジャーナル優先ルート

博士論文の構造を考慮せずに、論文 F のジャーナルの優先出力ルートが再計画され、UAV の安全性に関する重要なシナリオのカバレッジ、加速試験、リスク保証、および高速緊急アプリケーションに焦点が当てられます。

ペーパーF雑誌の企画無人航空機シーンの生成現場取材安全性が重視される加速試験リスク保証TR-Cおっぱい

論文 F ジャーナルプランニング v2: UAV セーフティクリティカルシナリオエンジニアリングのためのジャーナル優先ルート

現在の焦点は ジャーナル論文の出力 に戻りますが、これは博士論文によってまとめられていません。
結論: 論文 F は、多数の薄い論文に分割されるべきではなく、完全で堅牢で再現性のある T-ITS メインジャーナルにし、その後、実験資産に基づいて TR-C アプリケーション論文とリスク保証手法論文に分化する必要があります。

1.核心判断

ペーパー F の一般的な方向性は依然として維持されています: UAV のセーフティクリティカルなシナリオ エンジニアリング。しかし、雑誌の論文と博士論文の章ではロジックが異なります。ジャーナルの査読者は完全なルートにお金を払うわけではなく、以下のことを重視しています。

したがって、現在の「計画 4-5」は次のように変更される必要があります。

**まず、F1 シーン カバレッジ ベンチマークと F2 危険シーン加速生成をメイン T-ITS にマージします。その後、TR-C 緊急アプリケーション、T-RO/T-ASE リスク保証、および TR-C/T-ITS 都市 ODD シーン生成は、同じプラットフォームから区別されます。 **

1.1 2026-05-22 ライティングキャリブレーション: Fシリーズは「試験方法用紙」と「交通システム用紙」を分離する必要があります

ペーパー F は、シーン生成、カバレッジ、危険シーン加速テスト、都市 ODD、山東高速道路緊急アプリケーションも含まれているため、ゆるく書きやすいです。最新のキャリブレーションは次のとおりです。- **F-J1 を TR-C と書くべきではありません。 ** その主な課題は、安全性が重要なシナリオのテストです。つまり、UAV の障害物回避 / 低高度ナビゲーションの危険だが効果的なシナリオを体系的に発見する方法です。主な焦点はインテリジェント交通システムにおける安全性テスト、シミュレーション評価、シナリオ カバレッジにあるため、T-ITS に投資するのがより自然です。

したがって、F シリーズの「ストーリー」は次の 2 種類に分類できます。

論文システムストーリーサポートする必要があるもの
F-J1低高度 ITS 安全性テストには適用範囲と危険シナリオ生成基準が不足カバレッジ メトリック、無効なシナリオ率、障害検出、プランナー クロステスト、マルチシード統計
F-J2高速緊急対応には、黄金の応答時間を短縮するために UAV と地上の連携が必要です実際の高速トポロジ/事故プロキシ、リソース割り当てモデル、応答時間、カバレッジ、輻輳時のアクセシビリティ、感度分析
F-J3現場の報道をリスク保証の証拠に変換する方法カバレッジ対リスク限界、信頼区間、レアイベント推定、信頼性指数
F-J4都市全体の ODD が局所的な低高度テスト シナリオをどのように決定するかOSM/POI/建物/道路/空域マッピング、ローカルリスク忠実度、都市間の一般化

トラフィックジャーナル版では、単に「より危険なシナリオを生成した」とだけ言うことは避けなければなりません。より強力な結論は次のようになります。- どの都市構造物または高速道路セクションが UAV の故障を引き起こす可能性がより高いですか?

理由は非常に単純です。ベンチマークだけではエンジニアリング プラットフォームが多すぎると考えられやすく、加速テストだけではテスト シナリオの領域が明確に定義されているかどうかが疑問視されます。 2 つが統合された後、論文は「危険なシナリオを生成する」から次のようにアップグレードされます。

**私は UAV のセーフティ クリティカル シーン空間を定義しました。これにより、カバレッジを測定し、カバレッジ ホールを発見し、カバレッジに基づく方法を使用して、現実的で危険かつ実行可能なテスト シナリオをより効率的に生成できます。 **

これはむしろ雑誌の記事に似ています。

1.2 2026-05-23 コンパイル: F シリーズは現在 2 つのメインラインのみを進めています

現在、論文 F は博士論文目録に基づいて拡張されておらず、まずジャーナルの出力に基づいて 2 つの主要な行に要約されています。 F-J3とF-J4は保持されますが、F-J1の実験リソースは奪われません。|論文 |筆頭投資家 |現在の役割 |最近の戦略 | |------|------|----------|----------| | F-J1 | T-ITS |カバレッジに基づいた加速テスト |主なプッシュ。 7,600 万件の探索ログ、カバレッジ指標、強力なベースライン、およびプランナー間の評価を使用する必要があります。 | F-J2 | TR-C |山東省高速緊急救助リソースの割り当て | F-J1 プラットフォームは安定化後に起動します。実際の高速トポロジ、事故プロキシ、応答時間、リソースのボトルネックに焦点を当てています。 | F-J3 | T-RO / T-ASE / T-ITS |カバレッジ対リスクの保証 |一時停止中; F-J1 が障害分布とカバレッジ統計を作成するまで待ってから、リスク境界を証明します。 | F-J4 | TR-C / T-ITS |都市レベルの ODD からローカル UAV へのシナリオ |一時停止中; OSM/POI/建物/空域パイプラインが十分に安定するまで待ちます |

F-J1 の最初のバージョンの推奨アウトラインは次のように修正されています。1. シナリオ空間: UAV ローカル テスト セル、障害物文法、動的要因、ミッション目標、および無効なシナリオの決定を定義します。 2. カバレッジ メトリック: 幾何学的カバレッジ、セマンティック カバレッジ、ダイナミクス カバレッジ、リスク カバレッジ、および障害モード カバレッジに関する個別の統計。 3. 生成の加速: カバレッジ ホールと障害の可能性を使用してサンプリングをガイドし、非現実的または実行不可能なシナリオを除外します。 4. ベンチマーク プロトコル: マップ シード、プランナー セット、コントローラー パラメーター、ランダム シード、障害しきい値、統計テストを統合します。 5. 主な実験: ランダム、グリッド/LHS、BO、CMA-ES、RL敵対的、シーニックスタイルの制約付き生成とこの方法を比較します。 6. 故障分析: 障害物、速度/高さの条件、遮蔽物、動的障害物のどの組み合わせが故障を引き起こす可能性が最も高いかを説明します。

この整理後の判断は、F-J1 はまず「T-ITS に投稿できるセキュリティ試験ジャーナル論文」を追求しており、都市計画、リスク理論、山東省高速アプリケーションを同時に取り組むべきではない、というものである。 F-J2は、F-J1のシナリオライブラリとリスク指標が成熟した後、TR-Cが要求する交通緊急運用クローズドループにストーリーを切り替えることができます。

2. ジャーナルの優先論文ポートフォリオ

同時に 5 つの論文を推進するのではなく、メイン ジャーナル 3 件 + 予備ジャーナル 1 件を一時的に計画することをお勧めします。|番号 |用紙の位置決め |提案されたトピック |リード投資家 |優先順位 | |------|----------|----------|------|----------| | F-J1 |主力メソッド + ベンチマーク |安全性が重要な UAV ナビゲーション シナリオ向けのカバレッジに基づく加速テスト | T-ITS |最高 | | F-J2 |交通緊急アプリケーション |高速道路の緊急対応のためのシナリオを意識した UAV と地上のリソース割り当て | TR-C |高 | | F-J3 | UAV の安全性が重要なシナリオのテストにおけるカバレッジ対リスクの保証 | T-RO / T-ASE / T-ITS |中から高 | | F-J4 |都市シーンの生成 | City2Local-UAV: 都市部の ODD から局所的な障害物構成までの階層的シナリオ生成 | TR-C / T-ITS |中 |

**推奨実行順序: F-J1 -> F-J2 -> F-J3 -> F-J4。 **

F-J1 はプラットフォームとアルゴリズムのベースです。 F-J2 が運輸ジャーナル申請値に最も近いです。 F-J3 メソッド/理論を更新するために使用されるロボット工学またはオートメーションのジャーナル。 F-J4 は、OSM/都市データ パイプラインが成熟した後にのみ実行できます。そうでないと、簡単に「地図変換ツール」になってしまいます。

3. 文献パターンとギャップ

3.1 自動運転シナリオエンジニアリングは成熟しているが、UAV の移行は不十分自動運転の分野には、すでに完全なシーン エンジニアリング チェーンが存在します。 ISO 34502 は自動運転システム向けのシナリオベースの安全性評価フレームワークを提供しており [1]、ASAM OpenSCENARIO と OpenODD は実行可能なシナリオと ODD 記述規格を提供しています [2] [3]。 Shuo Feng の加速テストとテスト シナリオ ライブラリの生成は、セーフティ クリティカルなテストでは自然のランダム サンプルに依存することはできず、重要なイベントのサンプリング効率を向上させるためにデータ駆動型のアプローチを使用する必要があることをさらに示しています [4] [5] [6]。

近年、トップカンファレンスもこの方向性を推進し続けています。Scenic は確率的プログラミング言語を使用してシーンの分布と制約を表現します [7]。 SafeBench は安全性評価ベンチマークを作成しました [8]。 ScenarioNet は、実際の走行データから大規模な交通シナリオを抽出します [9]。 AdvSim、KING、ChatScene、FREA は、それぞれセンサー摂動、勾配最適化、LLM 知識生成、実行可能な敵対性の観点からセーフティクリティカルなシナリオを生成します [10] [11] [12] [13]。

ただし、これらの研究のほとんどは地上自動運転を対象としており、UAV のシナリオは大きく異なります。

3.2 UAV シミュレーションには基礎がありますが、カバレッジ指向の安全性テストはまだ空ですAirSim と Flightmare は、UAV シミュレーションの重要な基盤です [14][15]。 AvoidBench は、視覚ベースのマルチローター障害物回避のための高忠実度ベンチマークを提案しています [16]。 OmniDrones と Aerial Gym は、GPU 並列 UAV シミュレーションと大規模な強化学習トレーニングが成熟しつつあることを示しています [17] [18]。 FADS は、時相論理の安全仕様がドローンの安全パイプラインに組み込まれる可能性があることを証明しています [19]。

これらの研究は論文 F のツール基盤を提供しますが、ジャーナル論文の最も重要なギャップにはまだ対処していません。

**UAV のセーフティクリティカルなシナリオ空間を定義する方法、カバレッジを測定する方法、危険かつ実行可能なロングテール シナリオを効率的に生成する方法、テスト カバレッジを解釈可能なリスク評価に変換する方法。 **

F-J1/F-J3のチャンスです。

3.3 TR-C/T-ITSの違いで紙の切り方が決まります

TR-C の知的中核は輸送側にあり、輸送システムの計画、設計、運用、制御、物流に対する新興技術の影響を強調しています [20]。 T-ITS は、センシング、通信、制御、計画、設計、実装、AI、および輸送システムにおける情報技術アプリケーションを明示的にカバーしています [21]。

したがって：- F-J1 T-ITS に投票: ITS の安全性評価 / シナリオ生成 / UAV ナビゲーション テストであるため。

3.4 他にどのようなジャーナルの指示について書くことができますか?

掘り下げ続けた後、さらに 4 つの「候補フォーク」を準備できますが、今同時に書き始めることはお勧めできません。これらは、F-J1 の実験的プラットフォームが成熟するにつれて、自然に波及するものとしてより適しています。|フォーク |書き込み可能なトピック |主要なセールスポイント |候補雑誌 |現在の推奨事項 | |------|----------|----------|----------|----------| | F-J5 |低高度 UAV 運用のためのシナリオベースの安全ケース |カバレッジ、重要性、および障害の証拠を安全性ケースに整理する |信頼性エンジニアリングとシステム安全性 / 信頼性に関する IEEE トランザクション / 安全性科学 | | を書き込む前に、F-J1 の結果が得られるまで待ってください。 | F-J6 | UAV の安全性が重要なシナリオのシミュレータ間転送 |軽量シミュレーションから AirSim/Flightmare/AvoidBench へのスタディシナリオ移行 |ロボット工学と自律システム / フィールドロボティクスジャーナル / T-RO |現実的または高忠実度の検証が必要 | | F-J7 |知識に基づいた UAV シナリオの生成 | LLM/VLM/ナレッジグラフを使用してセマンティックハザードシーンを生成 | T-ITS / T-IV / IEEE オープン ITS ジャーナル | Paper E とリンクできますが、過度に使用しないでください | | F-J8 |マルチ UAV コリドー ストレス テスト |特別に生成された低高度回廊の衝突、混雑、離陸と着陸のボトルネック シナリオ | T-ITS / TR-C / T-IV |用紙Bとリンク可能 |その中でもF-J5は最も保持する価値があります。フォローアップ F-J1 が「さらなる失敗の発見」にとどまるとしても、ジャーナルの価値は依然として実験的なものになるでしょう。ただし、シナリオの範囲を信頼性/安全性保証の証拠に変換できる場合は、信頼性エンジニアリングおよびシステム安全性や IEEE トランザクション信頼性などの安全性と信頼性の専門誌に投稿できます [28] [29]。安全科学も代替手段として使用できますが、安全管理、人的要因、組織、事故防止により重点を置いています。論文が依然として純粋にアルゴリズムに基づいている場合、最初の投稿には推奨されません [30]。

F-J6は、実際のドローンや忠実度の高いシミュレーション結果がある場合の書き込みに適しています。 Journal of Field Robotics と Robotics and Autonomous Systems はどちらも、実際の環境または忠実度の高い環境におけるロボット システムの自律性、信頼性、実験の深さを重視しています [31] [32]。軽量のシミュレーションのみを使用している場合は、まだこのタイプのジャーナルに投稿しないでください。

F-J7 は、論文 E の LLM/LTL 方向と重複するため、現時点ではメインラインとして推奨されません。 F-J7 は、「知識に基づくシナリオ生成」としてその後の拡張に適しています。LLM はセマンティックハザードシナリオの提案を担当し、Cov-ATUAV はカバレッジの検証、フィルタリング、定量化を担当します。

F-J8 は Paper B のストレス テスト バージョンです。何百もの UAV のスケジュールを最適化することはなくなりましたが、通路の混雑、垂直ポートのボトルネック、充電のボトルネック、および競合解決の失敗を最もよく明らかにするテスト シナリオを生成します。 T-ITS または TR-C はこの方向で投票できますが、ペーパー B のスケジュールへの貢献から除外する必要があります。

3.5 候補ジャーナルマップ|ジャーナル |最適なペーパーFカット |それが適切な理由 |リスク |

|-----|-------------|---------------|------| | IEEE T-ITS | F-J1 / F-J4 / F-J8 |範囲は、ITS におけるセンシング、制御、AI、計画および輸送システムをカバーします [21] | UAV は通常のロボットではなく、低高度 ITS として記述する必要があります。 | IEEE T-IV | F-J1 / F-J7 / F-J8 |インテリジェント車両および自動化されたモビリティのコンテキストは、安全性テストとシナリオ生成を受け取ることができます [26] |地上車両には強い色があり、UAV は車両と交通の関連性を説明する必要がある | | TR-C | F-J2 / F-J4 / F-J8 |輸送業務、制御、物流に対する新興テクノロジーの影響を強調する [20] |純粋なアルゴリズムのベンチマークには適していません。 | TR-E | F-J2 |物流、流通、サプライチェーン、緊急物資輸送の展開に適しています [33] | UAV に技術的な詳細が多すぎると、物流から逸脱してしまいます。 | T-ASE | F-J3 / F-J5 |自動化システム、テスト、評価、および信頼性の枠組みがより適切です [27] |この方法には自動化システムの一般化価値が必要です。 | T-RO | F-J3 / F-J6 |ロボットの安全性テスト、計画、実システム検証を提出できます [34] |合成ベンチマークだけでは不十分 | |信頼性に関する IEEE トランザクション | F-J5 |信頼性モデリング、リスク定量化、保証に適しています [28] |単なる実験表ではなく、厳密な統計的保証が必要です。 |信頼性エンジニアリングとシステムの安全性 | F-J5 |セーフティクリティカルなシステム、リスク評価、信頼性エンジニアリングに適しています [29] |アルゴリズムのパフォーマンス向上から安全性の証拠に変換する必要がある | |安全科学 | F-J2 / F-J5 |緊急時の安全、事故防止、安全管理に最適 [30] |純粋な UAV アルゴリズムは適切ではありません。 |ロボティクスと自律システム / JFR | F-J6 |自律ロボット システムおよびフィールド/高忠実度検証に適しています [31] [32] |システム実験は論文の物語よりも強力であることが求められます。 | ITS の IEEE オープン ジャーナル | F-J1 / F-J2 |高速オープンアクセスの代替手段として使用可能 [35] |一般的に、T-ITS よりも衝撃と位置が低くなります |**現在の最初の選択順序は変更されていません。F-J1 は T-ITS の最初の選択、F-J2 は TR-C の最初の選択、F-J3 は理論的強度に応じて T-ASE/T-RO/T-ITS を選択し、F-J5 は信頼できるジャーナル用に予約されています。 **

4. 最初の主要なジャーナル: F-J1

4.1 推奨されるトピック

安全性が重要な UAV ナビゲーション シナリオ向けのカバレッジに基づく加速テスト

4.2 提出目標

主な寄稿者: 高度道路交通システムに関する IEEE トランザクション。
代替案: オートメーション科学および工学に関する IEEE トランザクション、ロボット工学、ロボット工学および自律システムに関する IEEE トランザクション。

T-ITS は、論文がインテリジェントな輸送安全テストとして作成できるため、最適です。UAV は低高度輸送の参加者であり、シナリオ生成は低高度 ITS の安全性検証に役立ちます。

4.3 主要な問題

既存の UAV 障害物回避/ナビゲーションに関する論文は通常、成功率、衝突率、または軌道の長さを報告していますが、テスト シナリオが安全性が重要な ODD をカバーしているかどうかを示すことはほとんどありません。ランダムに生成されたシーンには 2 つの問題があります。1 つは大量のサンプルであり、もう 1 つは危険ではないということ、もう 1 つは危険なサンプルの多くは物理的に実行不可能であるか、どのアルゴリズムでも回避できないことです。

F-J1 は次のように答えたいと考えています。

限られたシミュレーション予算内で UAV の低空飛行 ODD をカバーし、現実的で、危険で、実行可能で、アルゴリズムの機能を区別できる安全性が重要なシナリオの生成を優先するにはどうすればよいでしょうか?

4.4 メソッドの設計

メソッド名の提案: Cov-ATUAV: UAV のカバレッジガイドによる加速テスト。

パイプライン全体:

UAV ODD taxonomy
  -> scenario parameterization
  -> coverage memory
  -> criticality and feasibility scoring
  -> adaptive scenario generation
  -> planner evaluation and coverage update

コアモジュール:|モジュール |機能 | |------|------| |シナリオ文法 |障害物、空間構造、動的物体、風場、センサーノイズ、タスクタイプを定義 | |カバレッジメモリ |レコードパラメータビン、ペアワイズ/Tワイズカバレッジ、故障モード | |重大度スコア |包括的な暴露、チャレンジ、ニアミス、制約違反 | |実現可能性フィルター |避けられない衝突、不合理な物理学、無意味なミッション シナリオを除外 | |適応型ジェネレータ |カバレッジ ホールおよび重要度の高い領域で新しいサンプルを生成 | |評価用ハーネス |複数のUAVプランナーの統合評価と出力ランキングの安定性 |

4.5 データとプラットフォーム

7,600 万回の探索を最終結果として記述することはできませんが、次のように記述することができます。

「私たちは、7,600 万件以上のシミュレーションされたロールアウトを含む大規模な調査ログを使用して、シナリオ カバレッジ分析を初期化し、検証します。」

4.6 ベースライン|ベースライン |機能 |

|----------|------| |ランダムシナリオ生成 |基本的なサンプリング効率 | |グリッドサンプリング |均一な離散カバレッジ | |ラテン超立方体サンプリング |パラメータ空間の範囲 | |風光明媚なスタイルの制限付きサンプリング |制約付きシーン生成 [7] | | SafeBench スタイルのテンプレートのサンプリング |テンプレート スタイルの安全性ベンチマーク [8] | |ベイズ最適化 |ブラックボックス障害検索 | | CMA-ES / クロスエントロピー法 |連続パラメータハザード検索 | | AdvSim/KING スタイルの敵対的編集 |敵対的な軌道/障害物の摂動 [10] [11] | | FREA スタイルの実行可能な敵対的生成 |合理的な敵対的な例 [13] |

4.7 UAV プランナー

少なくとも 3 種類のプランナーをテストする必要があります。テストしないと、ジャーナルは 1 つのアルゴリズムのみの過学習を問題にすることになります。

プランナー代表者
クラシックA* / RRT* / 人工電位場 / 3DVFH*
最適化MPC / 安全な廊下 / B-スプライン軌道最適化
学習ベースPPO / SAC / 模倣学習 / ビジョンベースの政策

コンピューティング能力が制限されている場合、最初のバージョンで保証されている選択肢は、RRT*、MPC-lite、PPO ポリシー、およびビジョンベースのベースラインです。

4.8 指標|インジケーター |説明 |

|------|------| |カバレッジゲイン | 1000 回のテストごとに新しいカバレッジ | |障害発見率 |単位予算当たりに発見された衝突/ニアミス/タイムアウトの割合 | |加速係数 |同じ障害発見率を達成するために必要なテスト数が大幅に削減されます。 |実現可能な臨界度 |危険なシーンと避けられるシーンの割合 | |無効なシナリオ レート |物理的に実行不可能または無意味なサンプル比率 | |プランナーランキングの安定性 |プランナーはさまざまなシード/シナリオサブセットの下で安定性をランク付けします | |クロスシミュレーター転送 |軽量シミュレーションで発見されたシナリオを高忠実度シミュレーションに転送できるか |

4.9 ジャーナルが出版できる最小限の結果

F-J1 では少なくとも以下の証明が必要です。

  1. ランダム/グリッド/LHS と比較して、Cov-ATUAV は同じ予算の下でカバレッジ利得を大幅に向上させます。
  2. BO/CMA-ES/敵対的ベースラインと比較して、Cov-ATUAV は無効なシナリオの割合を減少させます。
  3. 純粋な障害検索と比較して、Cov-ATUAV によって生成されたシーンは、さまざまな UAV プランナーをより安定して区別できます。
  4. 高リスク シナリオの少なくとも一部が AirSim / Flightmare / AvoidBench に移行できることを確認します。
  5. T-ITSの再現性を高めるためのシナリオスキーマ、シード、ベンチマーク分割、評価スクリプトを出力します。

5. ジャーナル第 2 弾：F-J2 高速緊急アプリケーション

5.1 推奨されるトピック

高速道路の緊急対応のためのシナリオを意識した UAV と地上のリソース割り当て

5.2 提出目標主要投資家: 交通研究パート C: 新興技術。

代替案: 高度道路交通システムに関する IEEE トランザクション。

この記事では、UAV を「UAV スケジューリング アルゴリズム」として記述するのではなく、UAV を輸送運用に組み込む必要があります。山東省高速道路総合点検飛行サービスシステムは、すでに点検、検査、緊急対応、データ分析において無人プラットフォームと産業用ドローンを使用している[22]。高速緊急資源配分に関する研究では、事故初期段階における不完全な情報、時間変化する交通状況、施設の位置選択と資源配分の不十分な連携などの問題も指摘されている[23]。

5.3 主要な問題

高速事故の緊急対応は、単に「最も近いリソースを送る」だけではありません。事故が初めて発生したときは、事故の種類、渋滞の長さ、車線閉鎖、危険物、二次事故のリスクなどすべてが不確実です。 UAV の価値は、単に速く飛行することだけではなく、情報の不確実性を事前に軽減し、誤配信や遅延を軽減することにあります。

F-J2 は次のように答えたいと考えています。

高速事故の緊急事態において、UAV 偵察を使用して情報の不確実性を軽減し、地上クリアランス、救助、消防、交通警察、メンテナンス リソースと連携して、対応時間、クリアランス時間、二次リスクを軽減するにはどうすればよいでしょうか?

5.4 メソッドの設計

メソッド名の提案: SAFER-UAV: UAV を使用したシナリオに応じた迅速な緊急対応。

コア構造:

Incident scenario generator
  -> UAV first-view dispatch
  -> incident state belief update
  -> ground resource rolling allocation
  -> congestion / clearance simulator
  -> emergency performance evaluation

重要なのは、F-J1 シーン ライブラリを緊急ミッション シナリオに変換することです。

5.5 ベースライン|ベースライン |機能 |

|----------|------| |地上専用派遣 | UAV がない状況 | |最も近いリソースのディスパッチ |最も近いリソースを最初に | |固定プラン・ルールベース派遣｜現在の実践の近似値 | | UAV から先にディスパッチ |最初に監視してからディスパッチする簡単な戦略 | | 2 段階の確率的プログラミング |確率的最適化ベースライン | |ローリングホライズンの最適化 |強力な最適化ベースライン | | SAFER-UAV フル |主な方法 |

5.6 指標

インジケーター説明
初回視聴時間UAV が最初に事故映像を取得した時刻
応答時間リソースの最初のバッチの到着時刻
空き時間クリアランス完了時間
間違った発送率誤った発送、発送漏れ、またはリソース不足の割合
二次災害のリスク二次災害リスク代理
交通遅延事故による遅延の合計
UAVの情報価値UAV 偵察によってもたらされる不確実性の軽減とスケジューリングの利点
重要な資産の補償サービスエリア、橋、トンネル、事故が発生しやすいセクションに対する UAV/地上リソースのカバレッジ機能
情報遅延に対する堅牢性画像返信、イベント確認、通信遅延増加時のパフォーマンス低下
道路セグメント間の公平性遠隔道路セグメントと中心道路セグメント間の応答時間の違い

TR-C バージョンには システム影響テーブル も必要です。UAV の数、離陸点と着陸点の数、地上リソースの構成、および事故の強度を考慮して、システムが「UAV 偵察には明らかな利点がある」から「地上リソースまたは道路網の混雑が主なボトルネックになる」に変化したときにレポートします。この表は、単なる平均応答時間というよりは、輸送システムに関する論文に似ています。

5.7 ジャーナルが出版できる最小限の結果

F-J2 には少なくとも以下が必要です。1. UAV 偵察によって距離が短縮されるだけでなく、情報の不確実性が軽減されることを明示的に実証します。 2. ピーク時、夜間、悪天候、複数の事故が発生するシナリオにおいて、地上のみの最も近いリソースよりも優れています。 3. ローリング最適化またはランダム最適化ベースラインと比較して、リアルタイムとパフォーマンスのトレードオフを示します。 4. 輸送への影響を書き留めます: 無人プラットフォームの導入、リソースのプリセット、緊急対応システム。

6. 3 冊目のジャーナル: F-J3 リスク保証手法

6.1 推奨されるトピック

UAV の安全性が重要なシナリオのテストに対するカバレッジとリスクの保証

6.2 提出目標

主な賭け金は結果によって異なります。

6.3 この記事が必要な理由は何ですか?

F-J1 は「シーンを生成してカバーする方法」に答えることができますが、雑誌の査読者は次のような質問もするかもしれません。

これらのシナリオを説明しましたが、システムがどれほど安全であるかわかりますか?補償範囲と真のリスクとの関係は何ですか?

そこで F-J3 が登場します。これは別のベンチマークではありませんが、シーン カバレッジ、重要度のサンプリング、シナリオ アプローチ、コンフォーマル リスク コントロールを結び付けます。 Campi と Garatti のシナリオ アプローチは、ランダムなシナリオ制約の下で実現可能性の確率を保証します [24]。また、コンフォーマル リスク コントロールは、分布のないリスク コントロール フレームワークを提供します [25]。これらは、UAV の安全性テストの統計的保証に適用できます。

6.4 メソッドの設計

メソッド名の提案: CovRisk-UAV。

核となるアイデア:- UAV シナリオ空間をカバレッジ セルに分割します。

正式には、対象リスクは次のように定義できます。

ここで、 は UAV プランナー、 はシナリオ、 は衝突、ニアミス、または制約違反による損失です。

テスト シナリオは加速ディストリビューション から取得されているため、重要度の修正が必要です。

。

コンフォーマル/シナリオ境界を再度使用すると、次のようになります。

6.5 ベースライン|ベースライン |比較の目的 |

|----------|----------| |経験的な故障率 |信頼性保証なし | |ブートストラップ信頼区間 |統計ベースライン | |サンプリングのみを重要 |サンプリング バイアスのみを修正する | |シナリオアプローチのみ |実現可能性の確率のみが制限される | |コンフォーマルなリスク管理 |リスク管理ベースライン | | CovRisk-UAV フル |カバレッジを意識したリスク制限 |

6.6 ジャーナルが出版できる最小限の結果

  1. リスク上限調整が合成既知リスク シナリオで有効であることを確認します。
  2. F-J1 シナリオ ライブラリ内のさまざまなプランナーにリスク信頼区間を与えます。
  3. 加速テストでは元の故障率を直接使用できないため、分布の修正が必要であることを説明します。
  4. カバレッジを意識したリスク限界は、単純なランダム テストよりも厳しいか安定していることを証明します。

7. 4 番目のジャーナル: F-J4 都市部の ODD からローカルシーンまで

7.1 推奨されるトピック

City2Local-UAV: 都市部の ODD から局所的な障害物構成までの階層的シナリオ生成

7.2 提出目標

主要キャスト：TR-C/T-ITS。
より都市部のデータ処理とケースのサポートが必要となるため、当面この方向で 1 位にランクすることはお勧めできません。

7.3 主要な問題

ローカルな 50m x 50m x 50m のシーンは制御可能ですが、実際の低空交通リスクは、道路勾配、建物密度、橋、サービスエリア、飛行禁止区域、病院、学校、インターチェンジ、事故多発地点などの都市構造から生じます。 F-J4 は都市レベルの ODD をローカルの障害物の構成にマッピングする必要があります。

7.4 メソッドの設計

City ODD
  -> functional zone and road segment extraction
  -> local UAV test-cell sampling
  -> obstacle grammar instantiation
  -> coverage-aware scenario selection
  -> simulator-ready scenario package

7.5 ジャーナルが出版できる最小限の結果1. 少なくとも 2 つの都市または高速道路エリアのケーススタディ。

  1. 都市を意識した生成は、純粋にランダムなローカル生成よりも現実的であることが証明できます。
  2. 生成されたローカル シーンは、カバレッジとクリティカル性の点で人工テンプレートよりも優れていることが証明できます。
  3. 都市機能エリアからローカルシーンの組み合わせまでの再現可能なパイプラインを出力します。

8. 推奨ルート：どの記事を最初に書くか

今最も注目すべきは F-J1 であり、同時に 4 章ではありません。

8.1 F-J1 が優先される理由

8.2 F-J1 の主回線寄与は 3 に削減されるべきです

  1. UAV の安全性が重要なシナリオの対象分類 UAV 低高度 ODD、シナリオ パラメーター、カバレッジ メトリック、および障害分類を定義します。

  2. カバレッジに基づいた加速テスト アルゴリズム カバレッジ ホールや重要度の高い領域で危険だが実行可能なシナリオを生成します。

  3. 再利用可能なベンチマークと評価プロトコル 複数のプランナー、複数のベースライン、および複数のシミュレーション レベルを使用することで、このベンチマークが UAV の安全性を安定して評価できることが証明されています。

6 ～ 8 件の投稿を書かないでください。雑誌紹介の 3 つの項目が最も明確です。

8.3 F-J1 最も拒否される可能性が高い点|リスク |原因 |治療 |

|------|------|------| |単なるシミュレーション プラットフォームとみなされます |ベンチマークにはアルゴリズムの寄与はありません。カバレッジに基づいた加速テストを強調する必要があります。 |自動運転からのコピーと考えられる | UAV 機能の欠如 | 3D ダイナミクス、風、バッテリー、低空障害物、着陸/緊急タスクを重視 | |危険な現場は非現実的だと考えられています |敵対者が強すぎる |実現可能性と自然さのフィルターを追加する | | 1 人のプランナーに対してのみ有効であるとみなされます。過学習 |プランナーは最低4種類 | |交通機関としての意義が乏しいと考えられる | UAV は単なるロボットです |低空ITS安全性評価と書かれています |

9. 最近の実験タスクの解体

第 1 週: F-J1 問題の定式化を凍結する

第 2 ～ 3 週目: 7,600 万件の探索ログを処理

第 4 ～ 6 週: ベースライン ジェネレーターの実装- ランダム、グリッド、LHS。

第 7 ～ 9 週: Cov-ATUAV の実装

第 10 ～ 12 週目: 主な実験

第 13 ～ 16 週: T-ITS の初稿を書く

10. 現在推奨されていないもの- 一度に 5 つのエッセイのタイトルを書き、並行して作業しないでください。

11. 参考文献

[1] 国際標準化機構。 「ISO 34502:2022 道路車両 — 自動運転システムのテストシナリオ — シナリオベースの安全性評価フレームワーク」。 2022. URL: https://www.iso.org/standard/78951.html

[2]アサム。 「ASAM OpenSCENARIO DSL: 主要な用語と概念の概要」 URL: https://publications.pages.asam.net/standards/ASAM_OpenSCENARIO/ASAM_OpenSCENARIO_DSL/latest/conception-overview/key_terms.html

[3]アサム。 「ASAM OpenODD: モデルから ASAM OpenSCENARIO DSL へのマッピング リファレンス」 URL: https://publications.pages.asam.net/standards/ASAM_OpenODD/ASAM_OpenODD/latest/specation/09_openscenario_dsl/09_01_overview.html[4] Shuo Feng、Xintao Yan、Haowei Sun、Yiheng Feng、Henry X. Liu。 「自然主義的環境と敵対的環境を備えた自動運転車のインテリジェント運転知能テスト」 Nature Communications、12:748、2021。DOI: 10.1038/s41467-021-21007-8。 URL: https://doi.org/10.1038/s41467-021-21007-8

[5] Shuo Feng、Yiheng Feng、Chunhui Yu、Yi Zhang、Henry X. Liu。 「コネクテッド車両および自動化車両のテスト シナリオ ライブラリ生成、パート I: 方法論」。 高度道路交通システムに関する IEEE トランザクション、22(3):1573-1582、2021。DOI: 10.1109/TITS.2020.2972211。 URL: https://doi.org/10.1109/TITS.2020.2972211[6] Shuo Feng、Yiheng Feng、Haowei Sun、Shan Bao、Yi Zhang、Henry X. Liu。 「コネクテッド車両および自動運転車両のテスト シナリオ ライブラリ生成、パート II: ケース スタディ」。 高度道路交通システムに関する IEEE トランザクション、22(9):5635-5647、2021。DOI: 10.1109/TITS.2020.2988309。 URL: https://doi.org/10.1109/TITS.2020.2988309

[7] ダニエル・J・フレモント、トンマソ・ドレオッシ、シュロモナ・ゴーシュ、シャンユー・ユエ、アルベルト・L・サンジョヴァンニ＝ヴィンセンテリ、サンジット・A・セシア。 「Scenic: シナリオの仕様とシーン生成のための言語」 プログラミング言語設計および実装に関する第 40 回 ACM SIGPLAN カンファレンス (PLDI) の議事録*、2019 年。DOI: 10.1145/3314221.3314633。 URL: https://people.eecs.berkeley.edu/~sseshia/pubs/b2hd-fremont-pldi19.html[8] Chejian Xu、Wenhao Ding、Weijie Lu、Zuxin Liu、Shuai Wang、Yihan He、Hanjiang Hu、Ding Zhao、Bo Li。 「SafeBench: 自動運転車の安全性評価のためのベンチマーク プラットフォーム」 Advances in Neural Information Processing Systems 35 (NeurIPS 2022) Datasets and Benchmarks Track、2022。URL: https://proceedings.neurips.cc/paper_files/paper/2022/hash/a48ad12d588c597f4725a8b84af647b5-Abstract-Datasets_and_Benchmarks.html

[9] Quanyi Li、Zhenhao Peng、Lan Feng、Zhizheng Liu、Chenda Duan、Wenjie Mo、および Bolei Zhou。 「ScenarioNet: 大規模な交通シナリオのシミュレーションとモデリングのためのオープンソース プラットフォーム」 Advances in Neural Information Processing Systems 36 (NeurIPS 2023) Datasets and Benchmarks Track、2023。 URL: https://proceedings.neurips.cc/paper_files/paper/2023/hash/0c26a501df8fb919a0350e2df06b5d39-Abstract-Datasets_and_Benchmarks.html[10] ジンカン・ワン、アヴァ・プン、ジェームス・トゥー、シヴァバラン・マニバサガム、アッバス・サダット、セルジオ・カサス、メンゲ・レン、ラケル・ウルタスン。 「AdvSim: 自動運転車のための安全性が重要なシナリオの生成」 コンピューター ビジョンとパターン認識 (CVPR) に関する IEEE/CVF 会議の議事録、2021 年。DOI: 10.1109/CVPR46437.2021.00978。 URL: https://openaccess.thecvf.com/content/CVPR2021/html/Wang_AdvSim_Generating_Safety-Critical_Scenarios_for_Self-Driving_Vehicles_CVPR_2021_paper.html

[11] ニクラス・ハンセルマン、カトリン・レンツ、カシャップ・チッタ、アプラティム・バタチャリヤ、アンドレアス・ガイガー。 「KING: 運動学勾配による堅牢な模倣のための安全性が重要な運転シナリオの生成」 欧州コンピューター ビジョン会議 (ECCV)、2022 年。DOI: 10.1007/978-3-031-19839-7_20。 URL: https://is.mpg.de/ps/publications/king_geiger2022[12] ジャン・ジアウェイ、シュー・チェジャン、ボー・リー。 「ChatScene: 自動運転車向けの知識を活用した安全性が重要なシナリオの生成」 コンピューター ビジョンとパターン認識 (CVPR) に関する IEEE/CVF 会議の議事録、2024 年、15459 ～ 15469 ページ。 URL: https://openaccess.thecvf.com/content/CVPR2024/html/Zhang_ChatScene_Knowledge-Enabled_Safety-Critical_Scenario_Generation_for_Autonomous_Vehicles_CVPR_2024_paper.html

[13] ケイユー・チェン、ユーヘン・レイ、ハオ・チェン、ハオラン・ウー、ウェンチャオ・スン、シーファ・ジェン。 「FREA: 合理的な敵対性を備えた、実現可能性に基づいた安全性が重要なシナリオの生成」。 arXiv:2406.02983、2024。URL: https://arxiv.org/abs/2406.02983

[14] シタル・シャー、デバディープタ・デイ、クリス・ラベット、アシシュ・カプール。 「AirSim: 自動運転車向けの高忠実度の視覚的および物理的シミュレーション」 フィールドおよびサービス ロボティクス、先端ロボット工学における Springer Proceedings、2017 年。 arXiv:1705.05065。 URL: https://arxiv.org/abs/1705.05065[15] ユンロン・ソン、セリム・ナジ、エリア・カウフマン、アントニオ・ロケルシオ、ダヴィデ・スカラムッツァ。 「Flightmare: 柔軟なクワドローター シミュレーター」 第 4 回ロボット学習会議 (CoRL) の議事録、PMLR 155、2021。URL: https://proceedings.mlr.press/v155/song21a.html

[16] ハン・ユー、グイド・C・H・E・デ・クルーン、クリストフ・デ・ワーグテル。 「AvoidBench: マルチローター向けの高忠実度ビジョンベースの障害物回避ベンチマーク スイート」 arXiv:2301.07430、2023。URL: https://arxiv.org/abs/2301.07430

[17] Botian Xu、Feng Gao、Chao Yu、Ruize Zhang、Yi Wu、および Yu Wang。 「OmniDrones: ドローン制御における強化学習のための効率的で柔軟なプラットフォーム」 IEEE Robotics and Automation Letters、9(3):2838-2844、2024。DOI: 10.1109/LRA.2024.3356168。 URL: https://ieeexplore.ieee.org/document/10409589/[18] ミヒル・クルカルニ、テオドール・J・L・フォーガード、コスタス・アレクシス。 「エアリアルジム: エアリアルロボット用アイザックジムシミュレーター」 arXiv:2305.16510、2023。URL: https://arxiv.org/abs/2305.16510

[19] ヤシュ・ヴァルダン・パンツ、マックス・Z・リー、アレナ・ロディオノバ、ルディ・A・クエイ、フーサム・アッバス、ミーガン・S・ライアーソン、ラーフル・マンガハラム。 「FADS: 時間論理ベースの軌道計画を使用した自律型ドローンの安全性のためのフレームワーク」 交通研究パート C: 新興技術、130:103275、2021。DOI: 10.1016/j.trc.2021.103275。 URL: https://doi.org/10.1016/j.trc.2021.103275

[20] エルゼビア。 「交通研究パート C: 新興技術: 目的と範囲」 URL: https://www.sciencedirect.com/journal/transportation-research-part-c-emerging-technologies

[21] IEEE 高度交通システム協会。 「高度道路交通システムに関する IEEE トランザクション (T-ITS): 範囲」 URL: https://ieee-itss.org/pub/t-its/[22] 山東高速道路集団有限公司「『山東高速道路総合点検飛行サービスシステム』稼動」 2025年。URL: https://www.sdhsg.com/article/72553

[23] 趙翔模、趙一飛、陸能超ら。 「高速道路交通事故の緊急事態に対する主要な資源配分に関する研究のレビュー」 交通工学トランザクション、2024 年。DOI: 10.19818/j.cnki.1671-1637.2024.06.001。 URL: https://transport.chd.edu.cn/cn/article/doi/10.19818/j.cnki.1671-1637.2024.06.001

[24] マルコ・C・カンピとシモーネ・ガラッティ。 「不確実な凸プログラムのランダム化された解の正確な実現可能性」 最適化に関する SIAM ジャーナル、19(3):1211-1230、2008 年。DOI: 10.1137/07069821X。 URL: https://epubs.siam.org/doi/10.1137/07069821X

[25] アナスタシオス・N・アンゲロプロス、スティーブン・ベイツ、アダム・フィッシュ、リフア・レイ、タル・シュスター。 「コンフォーマルなリスク管理」。 学習表現に関する国際会議 (ICLR)、2024 年。URL: https://proceedings.iclr.cc/paper_files/paper/2024/file/f3549ef9b5ff520a7e41ff3cc306ab2b-Paper-Conference.pdf[26] IEEE 高度交通システム協会。 「インテリジェント車両に関するIEEEトランザクション」。 URL: https://ieee-itss.org/pub/t-iv/

[27] IEEE ロボット工学およびオートメーション協会。 「オートメーション科学およびエンジニアリングに関するIEEEトランザクション」。 URL: https://www.ieee-ras.org/publications/t-ase

[28] IEEE信頼性協会。 「信頼性に関するIEEEトランザクション」。 URL: https://rs.ieee.org/publications/transactions-on-reliability/

[29] エルゼビア。 「信頼性エンジニアリングとシステム安全性: 目的と範囲」 URL: https://www.sciencedirect.com/journal/reliability-engineering-and-system-safety

[30] エルゼビア。 「安全科学: 目的と範囲」 URL: https://www.sciencedirect.com/journal/safety-science

[31] ワイリー。 「フィールドロボティクスジャーナル：概要」 URL: https://onlinelibrary.wiley.com/journal/15564967

[32] エルゼビア。 「ロボット工学と自律システム: 目的と範囲」 URL: https://www.sciencedirect.com/journal/robotics-and-autonomous-systems[33] エルゼビア。 「輸送研究パート E: 物流と輸送のレビュー: 目的と範囲」 URL: https://www.sciencedirect.com/journal/transportation-research-part-e-logistics-and-transportation-review

[34] IEEE ロボット工学およびオートメーション協会。 「ロボット工学に関するIEEEトランザクション」。 URL: https://www.ieee-ras.org/publications/t-ro

[35] IEEE 高度交通システム協会。 「IEEE 高度道路交通システムのオープン ジャーナル」。 URL: https://ieee-itss.org/pub/oj-its/

付録: この最適化の結論

  1. ジャーナルの優先順位が与えられる場合、論文 F は多数の小さな論文に分散されるべきではありません。
  2. 最初の記事では、ベンチマークと加速テストを組み合わせて、T-ITS のメイン ペーパーを形成する必要があります。
  3. 山東省高速道路の緊急申請は TR-C として独立すべきであり、第 1 条に混入すべきではない。
  4. リスク保証論文は、中期から後期のハイレベルメソッドジャーナルの予備として使用できます。
  5. 都市部の ODD からローカルシーンへの生成は一時的に 4 位にランクされていますが、データ パイプラインが安定した後に昇格する予定です。