[论文解读] Towards Cooperative Motion Planning for Automated Vehicles in Mixed Traffic

Maximilian Naumann, Christoph Stiller|arXiv (Cornell University)|Aug 23, 2017

Autonomous Vehicle Technology and Safety被引用 11

一句话总结

本文提出了一种面向自动驾驶车辆的协作式运动规划框架，通过将交通参与者的行为预测整合到联合代价函数中，实现在无需V2X通信情况下的与人类驾驶车辆的双向协作。通过优化考虑相互安全、舒适性及交通规则的轨迹集合，该方法在交叉路口和狭窄路段等复杂场景中生成了更安全、更自然的驾驶行为，仿真结果验证了其具备实时可行性及Plan-B安全检查能力。

ABSTRACT

While motion planning techniques for automated vehicles in a reactive and anticipatory manner are already widely presented, approaches to cooperative motion planning are still remaining. In this paper, we present an approach to enhance common motion planning algorithms, that allows for cooperation with human-driven vehicles. Unlike previous approaches, we integrate the prediction of other traffic participants into the motion planning, such that the influence of the ego vehicle's behavior on the other traffic participants can be taken into account. For this purpose, a new cost functional is presented, containing the cost for all relevant traffic participants in the scene. Finally, we propose a path-velocity-decomposing sampling-based implementation of our approach for selected scenarios, which is evaluated in a simulation.

研究动机与目标

• 实现自动驾驶车辆与人类驾驶车辆之间无需依赖V2X通信的协作式运动规划。
• 解决传统反应式运动规划将其他车辆视为静态障碍物的局限性。
• 将其他交通参与者的行驶行为预测结果整合到本车的运动规划过程中。
• 通过‘Plan-B’备用机制确保安全性，以应对其他车辆的意外行为。
• 通过实现类人协作行为提升社会接受度与运行效率。

提出的方法

• 将轨迹集合定义为所有相关交通参与者的一组独立轨迹，以时间参数化路径表示，包含位置、航向和曲率。
• 引入复合代价函数，综合考虑本车与其他车辆的个体代价，包括舒适性、不可行性、交通规则合规性以及因近距离导致的不适感。
• 代价函数显式建模相互影响：本车行为影响其他车辆的代价，反之亦然，从而实现双向协作。
• 采用路径-速度解耦的基于采样的算法探索可行的轨迹集合，并通过剪枝排除不可行轨迹（例如未抵达碰撞区域的轨迹）。
• 通过‘Plan-B’检查确保安全性：仅选择具备安全备用动作的解，否则触发紧急制动。
• 该方法假设其他参与者行为符合交通规则，并将交通规则作为约束条件，以排除碰撞风险，除非不可避免。

实验结果

研究问题

• RQ1 自动驾驶车辆如何在无V2X通信条件下与人类驾驶车辆协作规划轨迹？
• RQ2 在运动规划中，如何建模本车行为对其他交通参与者的影响？
• RQ3 在协作式运动规划框架中，如何联合优化相互安全、舒适性与交通规则合规性？
• RQ4 优先通行规则的存在与否对协作轨迹选择有何影响？
• RQ5 在协作规划框架中，如何降低其他驾驶员意外行为带来的风险？

主要发现

• 所提方法成功在无V2X通信条件下，于T型路口与狭窄路段场景中生成了安全且舒适的协作轨迹。
• 在T型路口场景中，该方法正确遵守了标志指示的优先通行权，并根据交通规则选择合适轨迹。
• 在无标志指示优先通行权的狭窄路段场景中，距离瓶颈更近的车辆优先通过，体现了自然的协作行为。
• 当避撞不可避免时，不可行性代价占主导，导致即使违反交通规则也执行安全动作。
• 通过验证每个选定轨迹的‘Plan-B’备用方案，该方法确保了关键安全性，防止不安全执行。
• 违反碰撞约束或未能抵达碰撞区域终点的轨迹集合将被排除在考虑范围之外。