自动驾驶汽车行驶风险评估方法综述

shuizhonghua

编者按

安全是自动驾驶系统上路运行的首要条件。近年来，随着驾驶自动化水平的提高，自动驾驶汽车在行驶过程中遇到的场景越来越复杂，需执行的驾驶任务也越来越多样。复杂的场景和多样的驾驶任务给自动驾驶系统带来了巨大的安全挑战。行驶风险评估作为保证和检验自动驾驶系统安全运行的重要手段，一直是自动驾驶领域的研究重点。

本文对现有行驶风险评估方法进行分类、对比和综述；进而基于前车切入、前车切出和主车变道3个场景进行实例分析，探讨不同类型评估方法的特点和适用情况。

本文主要内容来自：
[1] 熊璐,吴建峰,邢星宇,吴新政,陈君毅.自动驾驶汽车行驶风险评估方法综述[J/OL].汽车工程学报:1-15[2023-06-19].[2] WU Xinzheng, XING Xingyu, CHEN Junyi, et al. Risk Assessment Method for Driving Scenarios of Autonomous Vehicles Based on Drivable Area[C]// Proceedings of the 2022 IEEE 25th International Conference on Intelligent Transportation Systems (ITSC),Oct. 08-12,2022,Macau,China. Piscataway.

内容概览：
第一部分：问题定义第二部分：行驶风险评估方法介绍第三部分：行驶风险评估方法对比第四部分：总结与展望
来源：同济智能汽车研究所  1 问题定义
一般来说，可以认为风险是碰撞可能性和碰撞严重度的组合[1]。其中，碰撞可能性用于表征车辆行驶过程中与周围的交通参与者或障碍物发生碰撞的可能性；碰撞严重度用于表征碰撞对驾驶员、乘客及其他交通参与者造成伤害的严重程度。
考虑到自动驾驶系统（后文统一用“系统”代指）研发过程中，最首要的是系统运行时能有效避免碰撞、保证安全，因此本文主要围绕碰撞可能性展开综述。

从时间跨度上可以将风险分为3类，具体见图1。

系统在预期使用周期中的风险，其包含了系统在整个生命周期中可能出现的不同场景下的风险。

系统在一段行驶过程中的风险，其为系统在某个特定场景中的风险。

系统在场景中具体时刻的风险，其为系统在行驶过程中所处场景的具体时刻下的风险。

图1 风险分类

本文主要讨论「系统在场景中具体时刻的风险」。

  2 行驶风险评估方法介绍

现有的行驶风险评估方法主要通过对主车及其他交通参与者进行运动学或动力学建模并引入一定程度的假设以预测车辆的轨迹、覆盖区域等信息，基于此计算主车和其他交通参与者碰撞的可能性并作为风险评估的依据。

本文将现有的风险评估方法分为3类，如图2所示。

面向单一目标物的评估方法：从主车和其他交通参与者的轨迹出发进行碰撞检测，进而评估风险，依据是否考虑运动不确定性，又分为确定性评估方法和概率性评估方法。
基于可达集的评估方法：从区域的角度出发进行碰撞检测，并通过非碰撞区域的大小来表征风险。
基于势场论的评估方法：该类方法不需要检测碰撞，其在结合专家知识和事故数据分析得到风险因素（例如车辆[2]、障碍物等）的基础上，基于物理学中场的概念对风险关系进行建模，实现风险评估。

图2 风险评估方法分类

2.1 面向单一目标物的评估方法

面向单一目标物的评估方法是指通过计算主车与单一目标物的未来轨迹在时空上的接近程度来评估风险。根据评估模型是否考虑目标物的运动不确定性，本文将面向单一目标物的评估方法分为确定性评估方法和概率性评估方法。
「确定性评估方法」
确定性评估方法是一种忽略交通参与者运动不确定性的风险评估方法，该方法常利用简化物理模型来描述交通参与者的运动并选取某种指标来表征风险，当指标计算结果超过某一阈值时便认为存在风险。
常见的确定性评估方法可分为三类：时间类、加速度类、距离类。时间类、加速度类、距离类指标对比分别如表1、2、3所示。

表1 时间指标对比



表2 加速度指标对比



表3 距离指标汇总



「概率性评估方法」

概率性评估方法利用概率模型来描述交通参与者的运动，进而评估风险。概率性评估方法可以分为基于驾驶行为不确定性[18-19]的，和基于运动控制参数不确定性的评估方法。

驾驶行为不确定性是指因无法直接确定驾驶行为而产生的不确定性，例如，车辆行驶时无法直接确定周围车辆是否会变道。如图3所示。
运动控制参数不确定性是指因无法直接确定输入车辆的运动控制参数，例如横纵向加速度，而产生的不确定性。

图3 车辆变道行为预测

2.2 基于势场论的评估方法

基于势场论的评估方法借鉴了物理学中的势场理论，利用斥力场来描述碰撞风险。该类方法最初是用于解决机器人领域运动规划问题的[21]，后被引入自动驾驶领域。SATTEL等[22]结合势场论开发了自动驾驶汽车的运动规划算法。

在风险评估中，基于势场论的方法假设场景中的元素均会产生场强，这些场强作用于车辆会产生排斥力，排斥力按距离积分之后就会得到势能。可以利用计算得到排斥力表征风险，也可以用势能表征风险。常见的可以产生场强的元素包括车辆、道路、障碍物等。图4为势能场的示意图。



图4 势能场示意图[23]

2.3 基于可达集的评估方法

可达集是指车辆从初始状态集开始随着时间推移能达到的状态的集合[24]。基于可达集的评估方法在每一个时间步下计算车辆在一定约束条件下可以达到的状态集合[25]，利用得到的可达集大小来表征风险。
WU Xinzheng等[26]利用运动学模型预测主车和周围车辆的轨迹并基于碰撞检测计算主车的可行驶区域，结合存在周围车辆时主车实际可行域的大小和无周围车辆时主车理想可行域的大小之比构建离散归一化可行域（Discretized Normalized Drivable Area, DNDA）来评估风险，图5为DNDA构建过程示意图。



图5 DNDA 构建过程[26]

  3 行驶风险评估方法对比

在前文分析的基础上，本节通过提出5个评估维度从分析和实验两方面对本文分类的三大类、四小类风险评估方法进行对比讨论。

3.1 对比维度

当自动驾驶汽车上路运行时，一般有如下要求：

能实时、快速评估风险，且输出的评估结果能反映未来一段时间的风险水平以保证决策的安全性。
能综合考虑不同风险因素，适用于不同场景下的风险评估。

综上，本节提出计算实时性、结果时效性、应用可行性、内容充分性和场景泛用性5个维度对风险评估方法进行评价，具体含义如下：

计算实时性： 用于表征风险评估方法计算速度的快慢，计算实时性好的风险评估方法能快速计算并得出风险评估结果，给自动驾驶系统留出足够的时间进行决策。
结果时效性：用于表征风险评估结果有效时间的长短，结果时效性好的风险评估方法能预测未来更长一段时间内的风险，输出的评估结果能在更长一段时间内有效。
应用可行性：用于表征风险评估方法在实车上应用的难易程度，应用可行性好的风险评估方法一般需要的输入参数较少或需要的输入参数在实车上容易获取。
内容充分性：用于表征风险评估方法的评估内容对场景中各种风险来源的覆盖程度，内容充分性好的风险评估方法能尽可能全面的考虑场景中不同的场景元素带来的风险，包括车辆、行人等带来的风险。
场景泛用性：用于表征风险评估方法在不同场景下的适用程度，场景泛用性好的风险评估方法应适用于自动驾驶汽车在行驶过程中可能遇到的所有场景。

3.2 分析对比结果

从上述5个维度对风险评估方法进行分析对比，结果如图6所示。



图 6 风险评估方法对比

确定性方法：一般具有显示的计算公式，在输入数据之后能快速得出结果，故确定性评估方法的优点具有很好的计算实时性；同时由于确定性评估方法需要的输入参数较少且较容易获取，所以其应用可行性也很好；但是由于确定所需信息时选择了特定的一种或几种场景和其中的特定目标物参数作为模型输入信息，使确定性评估方法的内容充分性和场景泛用性并不好。
概率性方法：能考虑目标物的运动不确定性，且由于引入更符合实际的预测模型，使该方法的评估结果具有很好的结果时效性。但是由于该类方法只能通过计算主车与特定类型目标物未来轨迹的冲突概率来评估风险，如需要评估其他类型目标物造成的风险，则需对该类目标物重新建立预测模型，因此其内容充分性不足。
基于势场论的和基于可达集的方法：其评估内容可以包含多个场景元素，且能适用于复杂的场景，而不限于跟车、变道等特定场景，因此这两类方法具有很好的内容充分性和场景泛用性。但是，在构建评估方法时，基于势场论的评估方法中有很多系数难以直接确定，使该类方法的应用可行性较差。基于可达集的评估方法在求解车辆可达集的过程中会涉及隐函数求解，求解难度较大，因此该类方法的计算实时性较差。

「适用情况对比」

进一步对评估方法适用情况进行对比，如表4 所示。

表4 风险评估方法适用情况

确定性方法：具有很好的计算实时性和应用可行性，能快速评估风险，适合用在紧急情况下的决策。
概率性方法：结果时效性很好，能较早预测潜在碰撞进而及时调整车辆位置防止紧急情况的出现，适合用在非紧急情况下的决策中。
基于势场论的方法：具有很好的内容充分性和场景泛用性，其充分考虑了场景中的多种风险因素，可以评估出风险最小的路径，因此适用于运动规划。
基于可达集的方法：具有很好的内容充分性和场景泛用性，因此也适用于运动规划；此外，由于其在具有很好的内容充分性和场景泛用性的基础上，还具有较好的应用可行性，可以在不同类型的场景中输出归一化的结果[26]，所以尤其适用于测试评价。

3.3 实验对比结果

在经过上述分析对比后，本文还设计了3个典型场景进行实验，计算3类风险评估方法对应的指标并进行对比。

「场景设置」

本文依据ISO 34502（Road vehicles–Test scenarios for automated driving systems–Scenario based safety evaluation framework）选取前车切入、前车切出和主车变道3个典型场景。

实验设计的3个场景中使主车全程保持匀速，到最后发生碰撞，以测试风险评估方法在安全行驶到碰撞过程中的内容充分性和结果时效性。

「对比指标」

在场景运行过程中采用以下指标进行计算：

面向单一目标物的评估方法指标：碰撞时间（Time to Collision, TTC）。

基于势场论的方法指标: 基于文献[34]提出的行车安全场（Driving Safety Field, DSF）。

基于可达集的方法指标：基于文献[26]提出的离散归一化可行域（Discretized Normalized Drivable Area, DNDA）。

注：为了便于对比，对TTC数据进行了以下处理：

选取TTC的截断值为10s，TTC大于10s的均按10s计。
绘制TTC图像时将纵轴数值倒置。

「场景1」：主车直行，背景车切入，最后主车追尾

初始参数：



图7 场景1初始参数

主车视角：



图8 场景1主车视角

指标计算结果：



图9 场景1指标计算结果

结果分析：如图9所示，起始阶段由于车距较大， TTC、DSF和DNDA的值基本不变。背景车在t=2s时开始切入，由于TTC只考虑同车道车辆，故TTC的值不变。



图10 场景1主车视角截图

t=3.7s背景车切入后，TTC评估的风险值才开始迅速上升。而DSF与DNDA的值在t=2s时就开始上升，说明DSF与DNDA能够更全面地考虑场景中多种风险来源并更早地发现风险，即DSF与DNDA有更好的内容充分性和结果时效性。

「场景2」：主车直行，背景车切出，最后主车追尾

初始参数：



图11 场景2初始参数

主车视角：



图12 场景2主车视角

指标计算结果：



图13 场景2指标计算结果

结果分析：起始阶段，主车接近背景车BV1，三种方法评估的风险值均上升。



图14 场景2主车视角截图

t=3.8s BV1切出后，由于TTC的内容充分性较差，忽略了邻车产生的风险，因此TTC评估的风险值迅速下降，而此时DSF和DNDA的值仍在上升，说明DSF与DNDA的内容充分性和结果时效性更好。

「场景3」：主车变道，旁车直行，最后主车被追尾

初始参数：



图15 场景3初始参数

指标计算结果：



图16 场景3指标计算结果

结果分析：由于TTC的内容充分性较差，TTC评估的风险值始终为0。因为起始阶段车距较大，所以DSF和DNDA的值基本不变。t=2s时，主车开始变道，DSF和DNDA的值都开始增大，同样说明DSF与DNDA的有更好的内容充分性和结果时效性。

「综合分析」

综合以上三个典型场景中不同指标的风险评估结果可以得出：基于单一目标物的方法（TTC）表现出较差的内容充分性、结果时效性和场景泛用性；基于势能场的方法（DSF）和可达集的方法（DNDA）具有较好的内容充分性、结果时效性和场景泛用性。

值得一提的是，基于势场论的方法最初是用于解决运动规划问题的[21]，后续研究针对该方法在其他场合下的应用局限做了进一步探索。

针对紧急情况下响应不及时的局限，文献[27]在相对位置和对速度的基础上又引入加速度参数来计算场强。

针对场力矢量叠加相互抵消导致风险评估结果不准确的局限，文献[28]用场力积分得出的势能来表征风险。势能为标量，可避免矢量抵消问题。
针对该风险指标在测试评价过程中的应用需求，基于势场论的方法仍存在指标难归一的局限。

  4 结论与展望
本文系统地将现有风险评估方法梳理和分类。可以看出，确定性评估方法的计算实时性和应用可行性很好；概率性评估方法具有很好的结果时效性；基于势场论和基于可达集的评估方法的内容充分性和场景泛用性很好。

尽管风险评估方法已有较多研究，但是现阶段的评估方法仍存在一些挑战，主要体现在以下几个方面：

信息不完整场景下的风险评估。现有风险评估方法多数都假设能获得所需的参数信息，而在实际交通场景中由于传感器性能局限[29]和视野盲区[30]等情况的存在，使自动驾驶系统无法准确获得目标物的信息，进而无法准确评估场景风险。未来可以借助智能网联技术获取更全面更准确的场景信息用于风险评估。
风险评估方法的鲁棒性。鲁棒性用于评价风险评估方法在偏离相关假设的场景下的风险评估能力[31]。现有风险评估方法大多数基于某些假设展开的，例如定速假设、参数分布属于高斯分布等，而实际交通场景复杂多样，会出现偏离假设的场景，一旦出现这种场景就可能导致车辆无法准确评估风险[32]。后续可以减弱风险评估中用到的假设或对不符合假设的情况提出针对性的风险评估方法[33]。
风险评估结果准确性证明。场景中的风险是真实存在的，但缺乏真值来说明计算得到的风险值为什么是准确的。一种可能的方式是利用专家打分替代风险真值，通过分析专家打分与风险评估结果的一致性来检验风险评估结果的准确性。

「参考文献」