迈向自动化车辆的全场景安全评估:一种基于体积的方法

《TRANSPORTATION RESEARCH PART C-EMERGING TECHNOLOGIES》:Towards full-scenario safety evaluation of automated vehicles: A volume-based method

【字体: 大 中 小 】 时间:2025年12月31日 来源:TRANSPORTATION RESEARCH PART C-EMERGING TECHNOLOGIES 7.9

编辑推荐:

  针对自动驾驶车辆(AVs)安全评估中传统概率方法依赖自然驾驶数据且面临维度灾难的问题,本文提出一种基于体积的评估框架。通过统一场景模型将复杂驾驶环境简化为三车道及六辆周围车辆,结合蒙特卡洛算法计算安全场景体积比例,有效提升了评估效率和适用性,并验证了在典型场景中的有效性。

  
周航|马成远|沈世宇|梁照辉|李晓鹏
美国威斯康星大学麦迪逊分校土木与环境工程系

摘要

近年来,随着自动驾驶车辆(AVs)的快速发展,市面上现有的AVs越来越多地展现出高级自动化能力。然而,大多数现有的AV安全评估方法主要是为简单的操作(如跟车和变道)设计的。虽然这些方法适用于基本测试,但它们不足以评估在更复杂环境中部署的高级自动化功能。首先,这些方法通常使用碰撞率作为评估指标,其准确性在很大程度上取决于用于估计场景概率的自然驾驶环境数据的质量和完整性。这类数据往往难以收集且成本高昂。其次,当应用于多样化的场景时,这些方法会受到维度灾难的影响,使得大规模评估在计算上变得不可行。为了解决这些挑战,本文提出了一个用于AV安全排序的新框架,并具有扩展到全场景应用的潜力。首先引入了一个统一模型来标准化不同驾驶场景的表示。这种建模方法将大多数场景的维度限制在具有三条车道和六个周围背景车辆的标准高速公路环境中,显著降低了维度。为了进一步避免基于概率的方法的局限性,我们提出了一种基于体积的评估方法,该方法量化了整个场景空间中风险场景的比例。对于跟车和变道场景,我们证明了在特定设置下安全场景集具有凸性,从而可以实现精确的体积计算。实验结果使用现有文献中的AV行为模型以及从Ultra-AV数据集中的现场测试轨迹数据校准的六款量产AV模型,在代表性场景中验证了所提出的基于体积的方法的有效性。

引言

过去十年中,自动驾驶车辆(AV)技术取得了迅速发展。在此期间,越来越多的商用车辆配备了自动驾驶功能(Li, 2022)。尽管目前市场上大多数AV仍处于2级自动化水平,但几家领先的AV制造商,如特斯拉、Waymo、华为、小鹏和理想汽车,最近宣布成功实现了“停车到停车”的功能。该功能使得车辆能够从起点处的停车位完全自主驾驶到目的地处的停车位(华为, 2025)。然而,在现实世界环境中部署这些功能面临着重大的安全挑战(Coppola et al., 2023, Ding et al., 2023)。严格和全面的安全测试对于确保当前和未来AV的可靠性、鲁棒性和公众接受度至关重要(Ma et al., 2024, Moody et al., 2020)。
现有的AV安全评估文献主要集中在相对简单和特定的驾驶场景上。例如,赵等人(2017)和马等人(2023)评估了跟车场景中的自适应巡航控制(ACC)功能。冯等人(2020b, 2021;赵等人(2016)和周等人(2025)将测试场景扩展到包括多车道和变道行为。阿尔文等人(2020);唐等人(2021)和宋等人(2022)研究了AV在交叉路口的行为。冯等人(2020a)进行了一系列案例研究,以验证冯等人(2020c)提出的通用框架,涵盖了跟车、切入和高速公路出口场景。此外,冯等人(2023)在环形交叉路口环境中测试了一种提出的场景生成方法。文献之所以主要关注相对简单的场景,是因为过去几年中的商用AV大多仍处于较低的自动化水平。高级自动化AV的有限可用性导致了对针对复杂环境的评估方法的需求较低,以及缺乏开发和校准AV行为模型所需的相关现场测试数据。然而,随着高级AV的出现,基于跟车和变道场景设计和测试的现有评估方法已不足以满足日益增长的安全测试需求。
全场景自动驾驶的安全测试面临重大挑战,主要是由于驾驶环境的复杂性和变异性。此外,缺乏统一的场景模型阻碍了对场景在AV开发过程中所起作用的一致理解(Ma et al., 2021, Ren et al., 2022)。图1展示了在现实世界环境中遇到的几种代表性驾驶场景。每种场景涉及不同类型的代理,必须准确建模。例如,道路段场景需要考虑行人和人行道,而路边场景则需要表示各种类型的停车位。多种场景中众多代理的存在导致状态空间维度很高,这大大降低了AV安全测试的效率。这种现象通常被称为维度灾难(Feng et al., 2023)。因此,建立一个涵盖所有场景类型且维度可接受的统一场景模型对于AV评估是必要的。
从评估方法的角度来看,现有文献主要集中在基于概率的方法上,例如估计AV的碰撞率(Feng et al., 2023, Feng et al., 2021, Zhao et al., 2017)。这些方法通常从大规模自然驾驶环境(NDE)数据中提取每个状态下的代理行为分布,然后计算整个驾驶场景的概率(Roesener et al., 2016)。尽管这些方法可以集成到我们的结构化场景模型中,但它们在全场景评估中难以实施。这是因为基于概率的方法在很大程度上依赖于从NDE数据中提取的行为分布的完整性和准确性,而收集和处理所有可能的驾驶行为的数据具有挑战性。如果NDE数据集不够大,提取的行为分布可能不准确,从而导致碰撞率的估计不可靠。此外,由于高风险行为的概率较低,基于概率的采样方法经常遇到被称为“稀有性灾难”的挑战(Liu and Feng, 2024),这显著增加了评估时间。
为了解决上述研究空白,本文提出了一个用于AV安全排序的新框架,并具有扩展到全场景应用的潜力。首先,为了满足全场景自动驾驶的测试要求,我们开发了一个统一场景模型,该模型以降低的维度复杂性表示了广泛的驾驶场景。在这个模型中,驾驶过程被描述为一个动态过程,并且不同场景类型的定义被标准化。模型的总体维度与典型的具有三条车道的高速公路场景相当,使其与现有的评估方法兼容。其次,为了克服基于概率的评估方法由于依赖NDE数据而带来的局限性,我们提出了一种基于体积的评估方法。该方法量化了整个可能驾驶场景空间中风险场景的比例,而不考虑它们的概率。尽管这个指标缺乏明确的物理解释,但它可以有效地用于比较基准AV与人类驾驶车辆或不同自动化水平的AV的安全性能。我们的理论分析进一步表明,在某些条件下,例如,当比较车辆的风险场景集的平均概率密度大致相等时,基于体积和基于概率的方法在安全比较中产生等效的排名结果。为了支持这种评估,我们为统一场景模型开发了一个蒙特卡洛算法。此外,对于跟车和变道场景,我们证明了安全场景集在高维空间中形成一个凸多面体或凸多面体的并集。这种凸性允许精确计算场景体积,并使得可以使用为凸集设计的基于采样的算法。实验结果表明,所提出的方法可以在统一场景框架内有效评估安全性。使用开发的评估流程,我们根据几个商用AV的ACC功能对其进行了安全排名。结果验证了所提出框架的有效性和实用性。本研究的主要贡献总结如下:
  • •
    我们提出了一个统一场景模型,将各种交通情况概括为以自我为中心的表示,最多限于三条车道(自我车道及其相邻车道)和不超过六个周围车辆。这种抽象显著降低了策略的维度,同时保留了关键的驾驶复杂性。
  • •
    我们设计了一种基于体积的评估方法,并结合了蒙特卡洛算法,可以扩展到高维全场景AV安全排名。通过比较不同车辆之间潜在事故的相对频率,而不是直接估计和比较绝对碰撞率,这种方法避免了准确建模各种关键状态的不切实际需求。
  • •
    理论分析表明,在某些条件下,当比较两辆车的安全性能时,基于体积和基于概率的方法产生等效的排名结果。此外,我们证明了对于跟车和变道场景,安全场景集形成一个凸多面体或凸多面体的有限并集,这允许在基于体积的评估中进行分析计算。
  • 本文的其余部分组织如下。第2节构建了全场景AV的基于体积的评估框架。第3节提出了进行基于体积评估的算法。第4节展示了验证所提出评估框架的实验结果和讨论。第5节总结了本文并提出了未来的工作。

    部分摘录

    全场景自动驾驶的评估框架

    在本节中,我们介绍了我们的评估框架,其中包括不同场景类型的统一模型和基于体积的评估方法。我们首先在第2.1节介绍基本概念和符号,然后在第2.2节介绍详细的建模框架。第2.3节描述了基于体积的评估方法。

    场景集的体积计算

    本节介绍了计算场景集体积的算法。

    实验设置

    如第3节所述,我们的基于蒙特卡洛的方法可以应用于各种驾驶场景,而目前的基于多面体的方法仅限于单车道和多车道情况。然而,由于文献中行为模型和现场测试数据集的有限可用性,我们的实验目前仅在单车道和多车道场景中进行跟车和变道功能的测试。其他将评估扩展到其他测试场景的努力

    结论

    本文提出了一种新的框架,用于评估在多样化和复杂驾驶场景下的AV安全排名,避免了传统基于概率的评估方法的局限性,这些方法严重依赖于自然数据并且容易受到维度灾难的影响。所提出的建模框架将各种交通场景标准化为涉及三条车道和六个周围背景车辆的结构化表示。这个紧凑的模型有效地

    CRediT作者贡献声明

    周航:撰写——原始草稿、可视化、验证、软件、方法论、调查。马成远:撰写——审阅与编辑、方法论、调查、概念化。沈世宇:撰写——审阅与编辑、方法论。梁照辉:撰写——审阅与编辑、验证。李晓鹏:撰写——审阅与编辑、监督、项目管理、资金获取。

    利益冲突声明

    作者声明没有利益冲突。作者在本文讨论的任何材料中没有任何财务或专有利益。
    相关新闻
    生物通微信公众号
    微信
    新浪微博
    • 搜索
    • 国际
    • 国内
    • 人物
    • 产业
    • 热点
    • 科普

    热点排行

      今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

      版权所有 生物通

      Copyright© eBiotrade.com, All Rights Reserved

      联系信箱:

      粤ICP备09063491号