基于安全风险预测的自动驾驶自适应巡航控制优化

摘要：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。

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

巡航控制是自动驾驶汽车决策控制系统重要组成之一 。频繁加减速、紧急制动等巡航控制，不仅影响交通通行效率和稳定性，还会影响车辆行驶过程中的安全性和舒适性