S4TP：适用于自动驾驶车辆的社交适宜且安全敏感的轨迹规划

在公共道路上，自动驾驶车辆（AV）面临着与人类驾驶车辆（HDV）频繁交互的挑战，由于人类之间不同的社会特征，HDV表现出不确定的驾驶行为。为了在社交交互交通场景中有效评估AV附近的风险，并实现安全的自动驾驶，本文提出了一个社交适宜且安全敏感的轨迹规划（S4TP）框架。具体来说，S4TP集成了社交感知轨迹预测（SATP）和社交感知驾驶风险场（SADRF）模块。SATP利用Transformer有效编码驾驶场景，并在预测解码过程中融入AV的规划轨迹。SADRF评估AV与具有不同社会特征的HDV交互期间的预期周围风险程度，可视化为以AV为中心的二维热图。SADRF基于车辆交互表示对周围HDV的驾驶意图进行建模并预测轨迹。S4TP采用基于优化的运动规划方法，利用预测的HDV轨迹作为输入。通过集成SADRF，S4TP在低风险区域内对AV的规划轨迹进行实时在线优化，从而提高了规划轨迹的安全性和可解释性。我们使用SMARTS模拟器对所提出的方法进行了全面测试。在复杂社交场景（如无保护左转交叉口、合流、巡航和超车）中的实验结果验证了我们提出的S4TP在安全性和合理性方面的优越性。S4TP在所有场景中均达到100%的通过率，超过了当前最先进的方法Fanta（98.25%）和Predictive-Decision（94.75%）。