考虑双重不确定性的智能车辆碰撞风险评估

摘要

为了提高智能车辆的安全性，智能驾驶系统必须能够精准预测交通场景的演变以及准确评估潜在碰撞的风险，尤其是考虑到未来车辆状态和运动不确定性。针对这一问题，本文提出了一种考虑双重不确定性的碰撞风险评估方法，涵盖车辆多状态感知不确定性以及考虑驾驶员控制输入与道路几何因素的车辆运动模型不确定性。首先，采用扩展卡尔曼滤波器完成车辆状态估计，结合道路几何与驾驶员行为优化匹配运动模型，通过模型切换阈值确定以及横摆角速度权重分配实现了不同运动学模型切换，以使得模型更适配当前驾驶场景，进行更精准的不确定性车辆轨迹预测。其次，通过启发式蒙特卡洛模拟对采样轨迹点进行潜在碰撞的检验，并将碰撞风险量化为未来碰撞概率，其中确定性检测作为启发式信息以显著提高估计效率。最后，依据中国新车评价规程，在Prescan中搭建了4种典型碰撞场景，包括直线行驶追尾碰撞、交叉路口侧向碰撞、变道超车正向碰撞和曲线行驶追尾碰撞，用于验证和评估本文所提方法。结果表明，在多种碰撞场景中，本文提出的方法能够在车辆发生碰撞前2 s准确感知风险，并提供100%的碰撞概率预警，有效避免或减轻碰撞。

关键词

智能驾驶 / 双重不确定性 / 轨迹预测 / 碰撞风险评估