同济大学学报(自然科学版)

作者：汪敏，涂辉招，薛东飞，李浩，李千山

单位：1.同济大学 道路与交通工程教育部重点实验室，上海 201804;2.宝马中国研发中心，上海 200232

关键词：交通运输,自动驾驶,安全风险预测,控制优化,仿真推演

基金：国家自然科学基金（52372339）；上海市科委重点项目（22dz1203400）

从周边车辆运动学状态参数和道路设施条件参数中提取场景特征指标和安全风险度量指标，采用极端梯度提升模型（XGboost）和长短时记忆模型（LSTM）进行安全风险预测，由此提出基于安全风险预测的自动驾驶自适应巡航控 制（ACC）优化方法，并选取碰撞发生概率、速度平均值、速度标准差3种指标评价ACC表现。通过Prescan和Simulink联合仿真推演，验证了ACC优化方法的合理性和有效性。结果表明，基于安全风险预测的ACC优化方法的控制表现优于一般ACC；利用LSTM预测安全风险，相比XGboost具有更好的ACC优化表现；预测安全风险时增加道路设施条件参数，显著提升了ACC表现，降低了自动驾驶碰撞发生概率。

来源：2024年第4期

《同济大学学报(自然科学版)》期刊编辑部

查看同济大学学报(自然科学版)杂志2024年第4期