基于车辆轨迹预测的高速公路场景自动驾驶预测性碰撞风险评估
机器人学
2023-04-13 v1
摘要
为在高速公路场景中安全高效地行驶，自动驾驶车辆（AVs）必须能够预测周围目标车辆（OVs）的未来行为，并准确评估碰撞风险以进行合理决策。针对高速公路场景下的自动驾驶，本文提出一种基于OV轨迹预测的预测性碰撞风险评估方法。首先，将车辆轨迹预测建模为基于长短期记忆（LSTM）编码器-解码器框架的序列生成任务。分别采用卷积社交池化（CSP）和图注意力网络（GAN）来提取局部空间车辆交互与远距离空间车辆交互。然后，在OV的预测轨迹与AV的候选轨迹之间计算两个基本风险指标：碰撞时间（TTC）和最小距离裕度（MDM）。据此，结合时间与空间风险指标构建时间连续风险函数。最后，在两个公开高速公路数据集上评估车辆轨迹预测模型CSP-GAN-LSTM。定量结果表明，所提出的CSP-GAN-LSTM模型在位置预测精度上优于现有最先进（SOTA）方法。此外，典型高速公路场景中的仿真结果进一步验证了所提预测性碰撞风险评估方法的可行性与有效性。
引用
@article{arxiv.2304.05610,
title = {Vehicle Trajectory Prediction based Predictive Collision Risk Assessment for Autonomous Driving in Highway Scenarios},
author = {Dejian Meng and Wei Xiao and Lijun Zhang and Zhuang Zhang and Zihao Liu},
journal= {arXiv preprint arXiv:2304.05610},
year = {2023}
}
备注
manuscript submitted to IEEE Transactions on Intelligent Transportation Systems