[论文解读] Autonomous Driving at Intersections: A Critical-Turning-Point Approach for Left Turns

Keqi Shu, Hongkai Yu+5 more|arXiv (Cornell University)|Mar 5, 2020

Autonomous Vehicle Technology and Safety参考文献 18被引用 9

一句话总结

本文提出了一种基于关键转向点（CTP）的分层规划框架，可提升在无信号交叉口进行自主左转时的安全性与效率。通过采用高层的 CTP 启发式路径生成器与低层的 POMDP 规划器（考虑来向车辆意图的不确定性），该方法实现了实时、类人决策，相较于仅依赖几何路径规划的方法，交叉口穿越时间缩短了 1.5 秒。

ABSTRACT

Left-turn planning is one of the formidable challenges for autonomous vehicles, especially at unsignalized intersections due to the unknown intentions of oncoming vehicles. This paper addresses the challenge by proposing a critical turning point (CTP) based hierarchical planning approach. This includes a high-level candidate path generator and a low-level partially observable Markov decision process (POMDP) based planner. The proposed (CTP) concept, inspired by human-driving behaviors at intersections, aims to increase the computational efficiency of the low-level planner and to enable human-friendly autonomous driving. The POMDP based low-level planner takes unknown intentions of oncoming vehicles into considerations to perform less conservative yet safe actions. With proper integration, the proposed hierarchical approach is capable of achieving safe planning results with high commute efficiency at unsignalized intersections in real time.

研究动机与目标

• 解决在来向车辆意图未知的无信号交叉口进行安全高效左转规划的挑战。
• 提升自主车辆决策中的计算效率与类人驾驶行为。
• 开发一种分层规划框架，整合面向行为的路径生成与不确定性感知的运动规划。
• 通过使用 POMDP 建模来向车辆行为的不确定性，实现实时、安全且高效的左转。

提出的方法

• 该框架采用两阶段方法：首先基于关键转向点（CTPs）进行高层候选路径生成，随后进行低层 POMDP 驱动的运动规划。
• 通过停止线和中心线从道路几何中提取关键区域，以界定可能左转轨迹的空间范围。
• CTP 定义为从转弯起点起距离为 l₁ = c₁L、l₂ = c₂L、l₃ = c₃L 的关键决策点，其中 L 为边界框长度，cᵢ 为缩放因子。
• POMDP 建模将来向车辆的不确定意图，并基于信念状态计算最优动作（如加速、制动、缓慢前行）。
• 高层路径生成器利用 CTP 预计算面向行为的路径，从而减少低层规划器的搜索空间。
• 低层规划器采用基于信念的决策机制，选择在部分可观测条件下兼顾安全与效率的动作。

实验结果

研究问题

• RQ1 当来向车辆意图未知时，自动驾驶车辆如何安全高效地完成无信号交叉口的左转？
• RQ2 基于 CTP 的路径生成策略是否能提升自动驾驶左转规划中的计算效率与类人驾驶行为？
• RQ3 基于 POMDP 的规划器如何在保持实时性能的同时有效处理来向车辆行为的不确定性？
• RQ4 在动态交通条件下，基于 CTP 的路径规划对交叉口穿越时间与安全性有何影响？

主要发现

• 所提出的 CTP 基础规划器相较于仅使用几何路径规划的基线方法，将交叉口穿越时间减少了约 1.5 秒。
• 在所有测试场景中，本车均与来向车辆保持了安全距离，包括右转和直行的来向交通，且在潜在碰撞前已提前调整速度。
• 当路径受阻时，规划器通过持续缓慢前行向下一 CTP 移动，显著提升了等待阶段的平均速度。
• 基于 POMDP 的低层规划器通过根据来向车辆意图的信念更新动态调整动作，成功平衡了安全与效率。
• 通过将计算高效的 POMDP 求解器与 CTP 基础路径生成器结合，该方法实现了实时性能，后者有效缩小了有效动作空间。
• 在关键场景下（如来向车辆右转或直行），系统通过在潜在碰撞点前主动减速，始终保持了安全性。