對于駕駛輔助系統(tǒng)來說，如何提高十字路口處導(dǎo)航的安全性仍然是一個(gè)難題。本文研究了在遮擋和錯(cuò)誤感知的場景下，車輛如何安全地導(dǎo)航并通過無交通信號的十字路口。

十字路口是一個(gè)具有很大挑戰(zhàn)性的交通場景，也是非常容易發(fā)生交通事故的地方。在美國，有23%的致命交通事故和32%的非致命交通事故發(fā)生在十字路口處。機(jī)器感知和程序控制的進(jìn)步，讓車輛配備了輔助人駕駛的ADAS系統(tǒng)，但是系統(tǒng)可能很難推理出三叉路口周圍的交通情況。



就像上方的示例圖一樣，在面臨這種沒有紅綠燈的三叉路口，人開車也需要小心翼翼地試探。對于自動(dòng)駕駛車輛來說，由于對面的建筑物對視野形成遮擋，感知系統(tǒng)可能無法檢測到其他車輛，由于道路交叉不延續(xù)，導(dǎo)致建筑物或道路幾何形狀可見性差。跟蹤和檢測其他道路對象變得很困難。所以，在建模型的時(shí)候，必須考慮到由此產(chǎn)生的不確定性和風(fēng)險(xiǎn)，同時(shí)確保在完善與不完善的感知下的魯棒性，并保持計(jì)算效率。



來自豐田研究院的專家們就做了這樣一研究，他們對在交叉路口發(fā)生碰撞的風(fēng)險(xiǎn)進(jìn)行建模，并部署完整和共享的自主系統(tǒng)以提高車輛安全性。其駕駛輔助系統(tǒng)的框架體現(xiàn)了一個(gè)平行的自治系統(tǒng)，在該系統(tǒng)中，人保持著對車輛的主要控制權(quán)，但是自主系統(tǒng)可以進(jìn)行干預(yù)以確保安全。

該模型可以解釋道路相互作用的幾個(gè)關(guān)鍵方面：交叉道路，阻塞，傳感器錯(cuò)誤和駕駛員注意力。在示例圖中，自動(dòng)駕駛車輛嘗試向左轉(zhuǎn)彎，毗鄰交叉路口的房屋遮擋了自我車輛和橫穿車輛的視線，給彼此姿勢的估計(jì)帶來了不確定性。



研究人員將道路分成小段，這有助于合并模型確定是否占用了任何給定段來估計(jì)碰撞的條件風(fēng)險(xiǎn)。自動(dòng)駕駛汽車配備了傳感器，可測量道路上其他汽車的速度。當(dāng)傳感器為駛?cè)肟梢姸蔚钠囉?jì)時(shí)時(shí)，模型將使用該速度來預(yù)測這個(gè)汽車在所有其他段的行駛進(jìn)度。概率貝葉斯網(wǎng)絡(luò)還考慮不確定性（例如嘈雜的傳感器或不可預(yù)測的速度變化）來確定每個(gè)路段被過往車輛占用的可能性。

由于周圍有遮擋，單一測量可能不夠用?；旧?，如果傳感器無法看到指定的路段，則該模型會(huì)將其分配為被遮擋的可能性很大。如果汽車只是快速駛?cè)虢煌ǎ瑒t從汽車所在的位置開始，發(fā)生碰撞的風(fēng)險(xiǎn)就會(huì)增加。這將激勵(lì)汽車向前推動(dòng)，以更好地了解所有被遮擋的路段。隨著汽車的行駛，模型降低了不確定性，進(jìn)而降低了碰撞風(fēng)險(xiǎn)。

但是，即使該模型正確執(zhí)行了所有操作，仍然存在人為錯(cuò)誤，因此該模型還可以估算其他駕駛員的意識。研究者麥吉爾說“如今，駕駛員可能會(huì)發(fā)短信或以其他方式分散注意力，因此做出反應(yīng)所需的時(shí)間可能更長。” “所以，我們也為條件風(fēng)險(xiǎn)建模。”

這取決于計(jì)算駕駛員看見或不看見自動(dòng)駕駛汽車駛?cè)胧致房诘母怕省榇?，模型將查看行駛的汽車在十字路口之前?jīng)過的路段數(shù)。在到達(dá)十字路口之前，它占據(jù)的路段越多，發(fā)現(xiàn)自動(dòng)駕駛汽車的可能性就越高，發(fā)生碰撞的風(fēng)險(xiǎn)也就越低。

研究人員說，在遙控汽車上實(shí)時(shí)運(yùn)行合并模型表明，它的效率和速度足夠快，可以在不久的將來部署到量產(chǎn)的自動(dòng)測試汽車中。許多其他模型的計(jì)算量太大，無法在這些汽車上運(yùn)行。該模型在實(shí)際應(yīng)用于量產(chǎn)車中之前，仍需要進(jìn)行更嚴(yán)格的測試。

這其實(shí)是借助了一種類似歐拉公式的方法，建立了該模型，并將其作為一種補(bǔ)充風(fēng)險(xiǎn)度量，自動(dòng)駕駛汽車系統(tǒng)可以使用該模型更好地推理出安全通過交叉路口的情況。該模型也可能在某些先進(jìn)的駕駛員輔助系統(tǒng)（ADAS）中實(shí)現(xiàn)。接下來，研究人員的目標(biāo)是在模型中加入其他具有挑戰(zhàn)性的風(fēng)險(xiǎn)因素，例如在路口及其周圍存在行人。