Mar, 2023

利用关联局部动态地图的遮挡风险交叉警告系统

PDF
TL;DR本文介绍了一种用于交通场景风险评估的方法，主要关注可视性受限的路口场景。通过使用局部动态地图进行光线投射以获得视野区域，识别存在潜在风险的场景实体并进行碰撞风险评估，得出用于评估驾驶人行为的风险指标，并通过实际场景验证其有效性。
traffic scenariosrisk evaluationlimited observabilityintersection scenarioscollision risk estimation
发现论文，激发创造
  • 基于预测的公路碰撞风险评估的可达性分析

    本文介绍了一种基于预测的高速公路碰撞风险评估方法，利用点动态系统建立了双向概率分布运动的随机正向可达集，提出了加速度预测模型，以及对车辆状态进行推广的多模态概率加速度分布和碰撞概率计算方法，模拟结果表明该预测模型在车辆位置误差方面具有优秀的性能，该碰撞检测方法在切入事件中识别碰撞的能力敏捷且有效。

    May, 2022

  • 驾驶支持的连续风险度量

    本文通过定性和定量分析对比了三种不同的基于模型的风险测量方法，其中基于稀有临界事件和所谓的生存条件的风险测量具有更早的碰撞检测时间，在近碰事故和非碰撞情况下具有较低的误报率，并可作为 TTCE 和高斯方法的泛化，适用于 ADAS 和 AD 的验证。

    Mar, 2023

  • 基于基础设施的警告系统对驾驶行为的评估 —— 环形交叉口研究

    通过驾驶模拟器研究，探讨了基于基础设施的警告系统在改善交通安全和减少事故风险方面的作用，结果显示提前发出警告可以显著提高安全性。

    Dec, 2023

  • 多智能体机会限制随机最短路径及在风险感知智能路口中的应用

    本篇研究提出一种基于风险意识的智能路口系统，利用基于多智能体概率有约束随机最短路径问题和整数线性规划的方法解决了路口自动驾驶和人类驾驶的协调问题，并通过 CARLA 模拟器验证之后得出该方案可以提高决策效率高达 200％，同时可以适应可调整的风险阈值。

    Oct, 2022

  • 通过集体感知缓解脆弱道路用户遮挡风险：一个实证分析

    最近，世界卫生组织的报告显示，易受伤路用户（VRUs）参与的道路死亡事故超过一半，其中遮挡风险是一个关键因素，即 VRUs 被如停放车辆等障碍物遮挡且被驾驶员看不见。因此，我们提出了一种基于车辆和 VRUs 的动力学量化遮挡风险的新算法。该算法通过德国路口真实数据集进行了测试和评估。此外，我们引入了最大追踪损失（MTL）的概念，衡量 VRU 在给定场景中连续未被任何车辆跟踪的最长时间。本研究还对 VRU 安全中的集体感知服务（CPS）的作用进行了研究。CPS 通过使车辆共享传感器信息来增强安全性，从而潜在地减少遮挡风险。我们的分析结果表明，25% 市场渗透率的配备 CPS 的车辆可以大大降低遮挡风险并显著减少 MTL。这些发现展示了不同情景对 VRUs 产生不同程度的风险，并且集体感知的部署可以显著提高 VRUs 的安全性。此外，它们突显了我们提出的指标捕捉遮挡风险作为安全因素的有效性。

    Apr, 2024

  • 边缘辅助机器学习支持的城市路口车辆避撞系统

    运用多接入边缘计算平台，基于历史数据和编码 - 解码循环神经网络，提出一种预测车辆轨迹和解决交叉路口预防性碰撞的不确定性感知框架，通过触发警报指示碰撞车辆制动，成功避免模拟危险情况。

    Apr, 2024

  • 基于 CAV 的路口控制系统和走廊级影响评估的开发

    该论文介绍了一种基于像素保留算法和深度强化学习决策逻辑相结合的无信号交叉口控制系统，通过走廊级影响评估证明了其有效性，减少了延迟、改善了交通效率及环境问题等。

    Aug, 2022

  • 考虑人类因素的风险地图，以实现驾驶员警告的稳健和远见

    该文章提出了一种通过检测驾驶员错误以提高车辆驾驶支持系统效率的预警系统，可比不考虑人类因素的现有系统更早地警示用户潜在风险并在多种驾驶场景中进行验证。

    Jun, 2023

  • 可解释风险评估：GPT-4V 在关心安全的过马路中的应用

    通过使用多模式模型解释复杂的街道交叉场景，为盲人和低视力人群提供安全评分和场景描述，支持他们进行安全决策。

    Feb, 2024

  • 地图学习：自动驾驶的视觉常识

    本文提出了一种基于车载摄像头图像的道路布局推断模型，同时构建了一个路况数据集，可以将导航地图的元数据与 Google 街景图像匹配以提供标签，并利用深度卷积网络训练该模型，结果表明该方法可用于提升基础设施安全性。

    Nov, 2016