中国公路学报

作者：刘倩, 王雪松, 王长君

单位：1. 同济大学　交通学院，上海　201804","2. 同济大学　道路与交通工程教育部重点实验室，上海　201804","3. 公安部道路交通安全研究中心，北京　100062

关键词：交通工程,交叉口适驾性,现场测试,自动驾驶,集成学习模型,安全视域

<p>在大尺度、斜交的复杂交叉口，自动驾驶车辆执行右转驾驶任务面临多目标避撞的挑战，需要实时感知道路交通环境的动态变化。为从车辆需要准确感知的区域（安全视域）来评估交叉口适驾性，在中国上海6个智慧交叉口开展了现场测试，以揭示道路交通环境对感知的影响，明确交叉口边界。提出了基于驾驶任务和感知目标的安全视域评估方法。基于驾驶任务分析，确定进入交叉口、执行转弯阶段的感知子任务，识别需要感知的静态道路基础设施和动态交通参与者，形成了动态安全视域。根据自动驾驶车辆是否对感知目标准确检测，评估安全视域感知能力。将交叉口设计和交通环境作为输入特征，基于CatBoost集成学习模型构建安全视域感知预测模型，采用沙普利加和解释方法（SHAP）揭示感知能力与影响因素的关系。结果表明：①双侧虚线车道线对感知失效的影响程度更大，当右转半径大于等于8 m时失效概率增加，大尺度交叉口，如更宽的进口道车道（15.5 m）、更多的车道数（四车道），更易引发失效；②黄昏条件下失效概率增加，当前方有2辆以上非机动车或1辆以上机动车时失效概率增加，大货车比小客车对失效的影响程度更大。研究结果支撑了从安全视域来评估相似特征交叉口的右转适驾性，可指导智慧路口改扩建和自动驾驶测试开放道路管理，为自动驾驶感知算法优化提供影响因素和阈值。</p>

来源：2025年第3期

《中国公路学报》期刊编辑部

查看中国公路学报杂志2025年第3期