운행 설계 영역(ODD) 변화 하에서 자율주행 차량 책임의 신뢰도 가중 가격 책정
Credibility-Weighted Pricing of Autonomous Vehicle Liability Under Operational Design Domain Shift
자동 주행 시스템(ADS) 배포는 희소한 경험, 변화하는 운행 설계 영역(ODD), 그리고 소프트웨어 릴리스 간의 비정상 위험(non-stationary risk)으로 인해 근본적인 요금 산정의 과제를 야기합니다. 본 논문에서는 학습된 ODD 유사도 커널(kernel)을 통해 도시, 소프트웨어 버전 및 지역에 걸쳐 풀링(pooling)을 수행하는 계층적 베이지안 신뢰도 프레임워크를 제안하며, 이는 Buhlmann-Straub 모델을 극한의 경우로 내포합니다. NHTSA Standing General Order 데이터베이스에서 4개 미국 대도시권에 걸친 1억 1,600만 마일의 대응 주행 거리(matched miles) 대비 648건의 확인된 Waymo 사고 데이터를 통해 입증된 바에 따르면, 도시별 집계 신뢰도 가중치는 중간 수준(0.12-0.46)이며, 부분 풀링(partial pooling)은 풀링 미적용 방식을 결정적으로 능가합니다. 또한 검정력 분석(power analysis) 결과, 학습된 커널의 이점은 약 12개 도시에 배포되었을 때 감지 가능한 수준이 됨을 보여줍니다.