关于遮挡风险缓解的合作感知实证分析
机器人学
2026-02-27 v1
摘要
遮挡是连接自动驾驶车辆面临的重大挑战，因为它们可能遮蔽感知系统的关键道路用户。传统的风险指标往往难以充分捕捉这些威胁随时间累积的本质。本文提出一种新型且通用的风险评估指标——跟踪丢失风险（RTL），该指标聚合遮挡期间瞬时风险强度，提供涵盖高强度短期威胁和长期暴露的整体风险概览。利用多样化且高保真的真实世界数据集，进行大规模统计分析，以刻画遮挡风险并验证所提指标的有效性。将该指标应用于评估不同的车联网（V2X）部署策略。我们的研究表明，理论上完全车联网渗透可消除此风险，降低幅度呈非线性特征；需达到75-90%的渗透阈值才能获得显著的统计效益。为克服这一局限，我们提出一种新型非对称通信框架，使即使是非连接车辆也能接收警告。实验结果表明，该范式在风险缓解性能方面表现更佳。在25%渗透率下，我们的方法优于75%渗透率下的传统对称模型，且效益在50%渗透率即饱和。本工作提供了一个关键风险评估指标，并为加速车联网部署的安全效益提供了具有成本效益的战略路线图。
引用
@article{arxiv.2602.23051,
title = {An Empirical Analysis of Cooperative Perception for Occlusion Risk Mitigation},
author = {Aihong Wang and Tenghui Xie and Fuxi Wen and Jun Li},
journal= {arXiv preprint arXiv:2602.23051},
year = {2026}
}
备注
Accepted for publication in IEEE Internet of Things Journal (Regular Article), 2026. DOI: 10.1109/JIOT.2026.3668184