现代生产车辆车道保持辅助系统实证性能评估
机器人学
2025-05-20 v1 机器学习
摘要
利用新近公开的车道保持辅助（LKA）系统生产车辆数据集，本文首次对现实世界LKA性能进行全面实证分析。本研究得出三项关键发现：（i）LKA故障可系统性地归类为感知、规划和控制错误。我们通过深入分析LKA相关CAN信号，呈现每种故障模式的典型示例，既能为故障机制提供依据，也能诊断何时何地各模块开始退化；（ii）LKA系统倾向于遵循固定的车道居中策略，常导致向外漂移，随路曲率线性增大，而人类驾驶员在类似曲线段上会主动轻微向内转向；（iii）我们首次对LKA故障发生的环境与道路条件进行统计概述与分布分析，统计显著性地识别出 faded 车道标线、低路面车道线对比度以及锐角曲率为最主要的单一因素，以及显著增加故障概率的关键组合。基于这些洞见，我们提出了一种将道路几何、时速限制与LKA转向能力集成，以为基础设施设计提供理论模型。此外，我们开发了一种基于机器学习的模型，用于评估道路是否准备就绪部署LKA，为更安全的基础设施规划（尤其是农村地区）提供实用工具。本 work 凸显了当前LKA系统的关键局限，支持更安全更可靠的自动驾驶技术的发展。
引用
@article{arxiv.2505.11534,
title = {Empirical Performance Evaluation of Lane Keeping Assist on Modern Production Vehicles},
author = {Yuhang Wang and Abdulaziz Alhuraish and Shuyi Wang and Hao Zhou},
journal= {arXiv preprint arXiv:2505.11534},
year = {2025}
}