清華大學車輛學院提出智能汽車人員損傷風險動態預測方法_風聞

近日，清華大學車輛與運載學院周青教授、聶冰冰副教授團隊在探究智能汽車如何提升安全保護水平方面取得重要進展，提出了危險場景智能汽車人員損傷風險動態預測方法。

道路交通事故是全球性範圍內的重大公共安全問題。由於諸多不可控因素的存在（如自車軟硬件故障、行車環境惡劣等），道路交通事故仍將在未來長期存在。智能汽車憑藉感知與潛在的決策能力，有望顯著改善道路交通安全水平。現有安全決策通常關注規避碰撞的算法，而在面對不可避免碰撞事故場景時，忽視了在碰撞前關鍵時間窗口內降低傷亡風險的巨大潛力。主要技術瓶頸在於：人-車-路系統具有非線性、高動態、強耦合特性，難以準確、實時、量化評估危險場景下交通參與者（“人”）的損傷風險。

車輛學院周青、聶冰冰團隊提出了危險場景智能汽車人員損傷風險動態預測方法。其核心算法（Injury Risk Mitigation-based algorithm，IRM）包括三個模塊：首先，對積累的大量事故數據進行基於專家經驗的清洗和預處理，建立數據驅動的人員損傷風險量化預測模型；其次，以實時更新的損傷風險預測為參考，提出了不可避免事故場景安全決策算法，在事故前約一秒時間窗口內滾動優化調整車輛行駛策略，實現損傷風險最小化；最後，依據中國交通事故深入調查（CIDAS）數據作為測試場景，量化評估人類駕駛員和該安全決策算法的損傷風險降低效果（圖1）。

圖1. 基於量化人員風險的決策算法提升汽車安全水平

相比於人類駕駛員與現有技術，IRM算法將損傷預測技術與智能汽車安全決策算法相結合，通過優化車輛運動學狀態（如行駛速度、方向等）和碰撞位置，顯著降低人員損傷程度（圖2），克服了現有安全決策對人的損傷風險考慮欠優的問題。結果表明，數據驅動的損傷預測模型憑藉其優異的數據挖掘能力，自主發掘了“埋藏”在積累的大量事故數據中的物理規律，在專家經驗干預下，形成了部分可解釋的模型，從而為決策提供參考。同時，針對危險場景智能汽車涉及的“電車難題”困境，該研究從技術層面上給出了對不同決策的評估結果，以期為進一步決策優化提供量化參考。

圖2. 利用真實交通事故數據評估IRM算法的損傷風險降低效果

該研究以“基於人的損傷風險的自動駕駛汽車安全決策”（Human injury-based safety decision of automated vehicles）為題發表在《細胞》（Cell）出版集團期刊《交叉科學》（iScience）上。

論文第一作者為清華大學車輛學院2020級博士生王情帆，通訊作者為車輛學院聶冰冰副教授。清華大學車輛學院周青教授、中國汽車技術研究中心數據中心副總工程師林淼共同參與了本研究工作。研究得到了國家自然科學基金與清華-豐田聯合研究基金專項項目支持。

供稿：清華大學