RCP-RF：一种基于驾驶风险势场的道路-车辆-行人综合风险管理框架
机器学习
2023-05-05 v1 人工智能
系统与控制
系统与控制
摘要
近年来交通事故频发，引发了针对自动驾驶车辆（AV）技术以减少车辆事故的广泛研究，尤其是AV技术的风险评估框架。然而，现有基于时间的框架无法处理复杂交通场景，且忽略了各运动物体对风险分布的运动趋势影响，导致性能下降。为解决该问题，我们新颖地提出了一种在网联自动驾驶车辆（CAV）环境下基于势场理论的名为RCP-RF的综合驾驶风险管理框架，其中行人风险度量被整合进统一的道路-车辆驾驶风险管理框架。与现有算法不同，所提框架合理考虑了自车与障碍车之间以及行人的运动趋势因素，可提升驾驶风险模型的性能。此外，所提方法的时间复杂度仅需O(N^2)。实证研究在真实数据集NGSIM和真实AV平台上验证了我们所提框架相对于最先进方法的优越性。
引用
@article{arxiv.2305.02493,
title = {RCP-RF: A Comprehensive Road-car-pedestrian Risk Management Framework based on Driving Risk Potential Field},
author = {Shuhang Tan and Zhiling Wang and Yan Zhong},
journal= {arXiv preprint arXiv:2305.02493},
year = {2023}
}