Un reciente estudio ha revelado novedosas aproximaciones para mejorar la evaluación del desempeño de los Sistemas de Conducción Automatizada (ADS), destacando la importancia de ajustar las evaluaciones de seguridad basadas en benchmarks dinámicos que consideran variaciones temporales y espaciales.

La investigación se centró en la recolección y análisis de datos operacionales de Waymo, que ha implementado flotas de vehículos autónomos en diversas ubicaciones de Estados Unidos. Se utilizaron datos de más de 20 millones de millas recorridas sin conductor por vehículos Waymo para establecer benchmarks humanos dinámicos, basados en datos reportados por la policía y registros de millas recorridas por humanos (VMT).

Los resultados mostraron importantes divergencias en los índices de accidentes ajustados y no ajustados, manifestándose que los índices ajustados fueron entre un 10% y 47% más altos en San Francisco, entre un 12% y 20% más altos en Maricopa, y variaron entre un 7% más bajos a un 34% más altos en Los Ángeles.

A su vez, se acentuó la disparidad en la tasa de accidentes cuando se aplicaron ajustes basados en la hora del día, mostrando en San Francisco tasas ajustadas que fueron desde un 2% más bajas hasta un 16% más altas comparadas con las no ajustadas.

La relevancia de este enfoque radica en su capacidad para proporcionar una base comparativa más precisa y equitativa, considerando factores regionales y temporales que pueden influir notablemente en la seguridad y el desempeño operativo de los ADS.

Las conclusiones indican que tales ajustes son imperativos para una adecuada evaluación de la seguridad de los ADS, dadas las variaciones en el riesgo de tráfico relacionado con la hora y la densidad, que reflejan diferencias significativas en el patrón de conducción entre humanos y vehículos Waymo.