基于Multi-Kriging元模型的有效车辆横向安全分析:在被超车时,自动驾驶卡车在不同的横向控制模式下
1The Key Laboratory of Road and Traffic Engineering, Ministry of Education, Tongji University, 4800 Cao'an Road, Jiading, Shanghai 201804, China.
Accident; analysis and prevention
|September 15, 2024
概括
这项研究引入了一种Multi-Kriging (MK) 方法来评估自动驾驶卡车的安全性,改善风和超车等具有挑战性的条件下横向控制模式的风险评估.
科学领域:
- 自主系统 自主系统
- 道路安全工程 道路安全工程
- 计算力学 计算力学 计算力学
背景情况:
- 自动驾驶卡车旨在通过先进的横向控制来提高道路的可持续性.
- 评估这些控制系统的可靠性和风险,特别是在不利条件下,至关重要.
研究的目的:
- 提出一种高精度,高效的Multi-Kriging (MK) 超建模方法,用于评估自动驾驶卡车横向控制的可靠性和风险.
- 引入基于偏离后车道定位的新型动态风险指标.
主要方法:
- 使用多重Kriging (MK) 超建模来构建Kriging模型用于潜在的偏差崩,在计算效率和准确性方面表现优于支持向量回归 (SVR).
- 实施新的风险指标:最大横向偏差后与车道线的距离.
- 计算碰撞概率和风险,考虑车辆/环境因素和正常分布的标准偏差.
主要成果:
- MK方法显著降低了计算成本,同时保持了风险评估的准确性.
- 在不同的条件下,对不同侧面控制模式的各种撞击概率和风险进行量化.
- 证明了标准偏差对碰撞概率和风险的影响.
结论:
- 拟议的MK方法为评估自动驾驶卡车安全提供了一种高效和准确的方法.
- 新型风险指标为车辆稳定性提供了更动态的评估.
- 结果为推进道路可持续性和自动驾驶安全提供了有价值的见解.
