无人系统

基于换道预测的自动驾驶决策与乘坐舒适性评估

原标题: 基于换道预测的自动驾驶决策与乘坐舒适性评估

arXiv cs.RO 论文·2026/10/23 04:00:00🔗 原文

📋总体概括

一项发表于arXiv的自动驾驶研究提出将基于知识图谱嵌入与贝叶斯推理的车道变换预测融入自动驾驶决策系统。研究在CARLA仿真器中构建危险汇入场景,对比三种驾驶策略:反应式驾驶、基于预测的纵向动作和基于预测的横向动作。该预测模型可提前约3-4秒预判周围车辆的换道行为,使自车提前调整。代表性仿真记录显示,反应式驾驶导致碰撞并伴随激烈减速,而预测驱动策略显著提升安全性与乘坐舒适性。

⚡关键信息

  • ▸研究将知识图谱嵌入与贝叶斯推理结合,用于预测周围车辆换道意图
  • ▸预测模型可提前约3-4秒预判周围车辆换道,为自车预留决策缓冲时间
  • ▸在CARLA仿真中对比反应式驾驶、预测驱动纵向动作、预测驱动横向动作三种策略
  • ▸反应式驾驶在危险汇入场景中出现碰撞并伴随激烈减速,预测策略可主动规避
  • ▸研究通过碰撞结果与乘坐舒适性指标双重维度评估决策效果

🔥犀利点评

换道预测不是新概念,但这篇的差异化在于用知识图谱嵌入做意图推理,比纯轨迹外推多了一层语义理解。提前3-4秒在工程上很有价值,恰好覆盖人类驾驶员的反应窗口加规划执行时间。但短板也明显:只做了CARLA仿真,知识图谱的构建和维护成本在真实路况下能否扛住长尾场景,论文没给答案。这类研究离上车落地,中间还隔着传感器噪声和实时性两座大山。

本文由本站自动聚合,以下为原始来源:前往 arXiv cs.RO 论文 阅读全文 →