[论文解读] Optimizing Passenger Comfort in Cost Functions for Trajectory Planning

Jean Elsner|arXiv (Cornell University)|Nov 16, 2018

Vehicle Dynamics and Control Systems参考文献 3被引用 4

一句话总结

本文研究了如何通过将以人为本的舒适度标准（如加速度、加加速度和侧向力）整合到成本函数中，优化自动驾驶车辆轨迹规划中的乘客舒适度。利用CommonRoad框架，评估了运动指标（如车道中心偏移、障碍物距离、曲率）的加权组合，发现最小化加加速度和侧向偏差可产生最舒适的轨迹，尽管在实际中曲率加权的影响微乎其微。

ABSTRACT

Current advances in the development of autonomous cars suggest that driverless cars may see wide-scale deployment in the near future. Research by both industry and academia is driven by potential benefits of this new technology, including reductions in fatalities and improvements in traffic and fuel efficiency as well as greater mobility for people who will or cannot drive cars themselves. A deciding factor for the adoption of self-driving cars besides safety will be the comfort of the passengers. This report looks at cost functions currently used in motion planning methods for autonomous on-road driving. Specifically, how the human perception of how comfortable a trajectory is can be formulated within cost functions.

研究动机与目标

• 识别并量化与自动驾驶车辆运动规划相关的乘客舒适度标准。
• 评估不同成本函数组件对轨迹规划中感知舒适度的影响。
• 通过基于仿真的分析，确定运动指标（如加加速度、侧向偏差和障碍物接近度）对乘客舒适度的相对影响。
• 提供一种数据驱动、可复现的框架，用于比较自动驾驶系统中舒适度优化的成本函数。

提出的方法

• 本研究使用CommonRoad框架定义并组合部分成本函数，包括加速度、加加速度、转向速率、车道中心偏移、障碍物距离和曲率。
• 将整体成本函数表述为基函数成本的加权和：$ J_C = \sum_{i\in\mathcal{I}} w_i J_i $，以实现对舒适度优先级的系统性调节。
• 通过仿真实验，改变单个权重（如 $ w_d $、$ w_o $）而保持其他权重恒定，以评估其对轨迹行为的影响。
• 通过车道中心偏移、障碍物距离、速度和曲率等指标，比较不同权重配置下的轨迹表现。
• 采用基准测试方法，固定起点/终点位置和障碍物，以确保可复现性，并隔离每个权重的影响。
• 使用CommonRoad符号表示法，将结果与先前研究（如Arnay 2016、Chu 2012）进行比较，以对成本函数配置进行排序。

实验结果

研究问题

• RQ1 不同运动指标（如加加速度、侧向偏差和障碍物接近度）如何影响自动驾驶车辆轨迹中的乘客舒适度？
• RQ2 单个成本函数权重对轨迹特性（如车道保持和障碍物避让）的相对影响是什么？
• RQ3 考虑到平顺性常被视为关键舒适因素，曲率加权在多大程度上有助于感知舒适度？
• RQ4 与先前研究中的权重相比，基于实证推导的权重在性能与舒适度权衡方面表现如何？
• RQ5 是否可能存在一种运动规划器，其优先考虑安全性和规则合规性，从而本身就能提供高乘客舒适度？

主要发现

• 车道中心偏移权重（$ w_d $）与车道偏离程度呈强负相关，证实其对路径跟踪具有直接影响。
• 障碍物距离权重（$ w_o $）在车道中心偏移方面增加了轨迹成本，表明安全与路径保持之间存在权衡。
• 速度和曲率成本未表现出任一权重的明显主导影响，表明运动指标之间存在复杂且并发的相互作用。
• 在高性能配置中，曲率成本（$ J_\kappa $）的权重极低（0.01–0.02），表明其对舒适度的实际影响有限。
• 排名最高的成本函数配置（如 $ J_{RA1} $ 和 $ J_{RA2} $）优先考虑障碍物避让和路径跟踪，而非曲率，表明平顺性的重要性低于接近度和对齐度。
• 本研究得出结论：一个稳健且符合规则的运动规划器可能本身就能提供高舒适度，从而减少在成本函数中显式引入舒适度项的必要性。