自动驾驶的预测时域要求：优化安全性、舒适性与效率

预测其他道路使用者的运动有利于提升自动驾驶车辆（AV）的性能。然而，与这些预测相关的时间跨度与 AV 性能之间的关系尚不明确。尽管存在多种轨迹预测算法，但尚未有研究探讨不同的预测长度如何影响 AV 安全性及其他车辆性能指标，导致预测方法的时域要求未定义。本研究通过考察不同预测时域对 AV 性能（重点关注安全性、舒适性和效率）的影响来填补这一空白。通过使用最先进的基于风险的预测轨迹规划器进行多项实验，我们模拟了长达 20 秒的预测时域。基于仿真结果，我们提出了一个框架，用于根据特定的 AV 性能标准和应用需求指定最小所需和最优预测时域。结果表明，防止与横穿行人发生碰撞需要 1.6 秒的时域，7-8 秒的时域可产生最佳效率，而长达 15 秒的时域可改善乘客舒适度。我们得出结论，预测时域要求取决于具体应用，并建议将 11.8 秒的预测时域作为涉及横穿行人应用的一般指导原则。