崔皓然， 涂辉招， 马杰， 李浩

（同济大学交通运输工程学院，上海 201804）

引言

自动驾驶技术是当前全球汽车以及交通出行领域智能化、网联化发展的主要方向，已成为我国和世界主要发达国家争抢的战略制高点。但自动驾驶技术尚不成熟各国纷纷开展大规模的道路测试，由此带来的测试安全风险也在日益增加。现有的面向传统人类驾驶员的行车安全风险评估方法可分为宏观视角和微观视角两类。宏观风险评估方法主要利用碰撞数据和宏观交通流数据来评估道路、路网或片区的总体风险，此类方法的应用多面向交通管理部门。Su等［1］综合考虑土地利用、道路网络、交通流量、人口和社会经济学、公共交通设施等属性，采用联合概率模型对事故发生和涉及行人事故同时建模，发现碰撞的发生与交通流量、无信号交叉口的数量以及酒店等行人出行热点目的地相关。Yang等［2］基于高分辨率的高速公路交通大数据，构建了机器学习和统计方法的组合风险评价模型，结果表明高速公路区域类型和交通流状况与交通安全显著相关。Almoshaogeh等［3］在沙特阿拉伯卡西姆地区84 km的环路上设计与应用了考虑事故频率与严重程度的交通事故风险评估框架，并通过在高风险位置布设限速摄像头成功减少了事故发生。Yu等［4］研究发现碰撞段5 min的平均速度越低、碰撞时间前5～10 min上游段拥挤程度越高，碰撞段的碰撞风险越高。微观风险评估方法主要是基于车辆运动学和动力学，其研究对象多为某一路段、道路、交叉口等具体的局部场景。……