驾驶支持的连续风险度量
本文提出了基于生存分析考虑的概率情况风险模型,并将其扩展到自然地结合感性、时间和行为不确定性的真实场景。结果风险点检测器 (RSD) 应用于真实驾驶数据,显示了路面重要性地图,相较于 Time Headway (TH) 和 Time-To-Contact (TTC), 我们的方法在预测风险方面更具有选择性和特异性。
Mar, 2023
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。
Mar, 2023
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
本研究旨在开发与车道变更相关的闪避行为模型,以便为安全感知交通模拟和预测性碰撞避免系统的发展提供帮助。本研究利用了大规模的连通车辆数据,使用新的代理安全度量 2D-TTC 确定了车道变更过程中的安全关键情况,使用深度确定性策略梯度(DDPG)算法进行建模,结果表明该模型在复制纵向和横向闪避行为方面具有优越性。
Sep, 2022
该论文提出了一种使用概率时间序列预测将代理安全度量与崩溃概率相关联的方法,并使用 Transformer masked autoregressive flow(Transformer-MAF)估计速度,加速度和时间到碰撞的条件动作概率、崩溃概率和条件崩溃概率。通过反事实实验,条件崩溃概率显示了规避碰撞的有效性。
Oct, 2022
这项研究通过扩散模型提出了一种机器学习模型,用于预测参与近距离接触的物体的位置不确定性,特别是对于次要物体(通常是碎片),该物体的预测更加不可预测。与其他最先进的解决方案和朴素的基准方法相比,我们比较了我们的模型的性能,显示出所提出的解决方案有潜力显著提高航天器运行的安全性和效率。
Nov, 2023
在交通研究领域,解决路口行人安全问题是一项重要的任务。本文通过发展实时主动保护系统,利用计算机视觉技术和预测模型,以基于预测的行人潜在风险评估为核心,解决了当前实时行人风险评估研究面临的三个主要挑战,提出了一种新的安全衡量标准,Predicted Post-Encroachment Time (P-PET),并将行人划分为不同类别以应用特定评估准则,改进了风险评估的效果和可靠性。
Apr, 2024
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