编者按：在赛文交通网联合河北省智能交通协会组织的“2024河北省智能交通论坛”中，北京航空航天大学教授、博士生导师鲁光泉分享了《跨场景碰撞风险统一度量方法》主题报告。

报告首先介绍了交通安全研究的背景，指出数字化转型为交通安全研究带来了新机遇，可基于全样本、高精度的轨迹数据来改进安全评价方法；随后分别阐述了动态物体、固定物体和管控信息等不同场景下的风险量化方法，以及针对不同驾驶行为的风险分析；最后讲解了基于风险场理论的不同场景下的安全评价方法和仿真测试平台。

一、研究背景

安全和效率一直是交通中最主要的两个目标。安全是硬约束，近几年，我国交通安全在各种措施的保障下得到了很好的改善，但与一些先进国家比较，还有较大差距，交通安全工作还有很多问题需要解决。

要解决交通安全问题，提升交通安全水平，首先需要对交通安全状态进行准确的评价。传统的安全评价大多采用事故数据，但事故数据存在样本量小、采样周期长的问题。

后来出现了交通冲突技术，使用冲突数据来进行安全评价，然而此类方法普遍存在一个问题，即大多数安全评价指标与场景密切相关，如在跟驰模型中使用了车头时距等指标，但在换道过程的交叉口中这些指标并不适用；用PET等指标往往只适用于有冲突点的场景，如部分车辆距离较近，但没有明显的冲突点，可能处于一种不安全状态，PET却评价不了这种风险状态。

因此，如何进行评价安全？能否找到一种方法来进行不同场景下的统一评价，实现评价指标的统一，使得不同场景下的安全状态也可进行横向的对比，是我们工作的初衷。

得益于数字化转型带来的各种机遇，如今我们能够通过不同的设备、设施获取各类丰富的交通信息，特别是车辆的实时轨迹运行数据。如何基于全样本、高精度的轨迹数据来改进交通安全评价方法，是当前工作需要考虑的重要问题。

二、跨场景的行车风险量化

场论为不依赖场景的风险量化提供了依据。要整体描述车辆运行空间的风险状况，并将其映射在二维空间当中，如果是跟驰车辆，可使用动力学方法在一维空间中进行描述，但这种方法在二维空间中就显得非常复杂。因此，我们引入了基于场的方法来量化风险。

首先介绍不依赖场景的行车风险统一量化方法。在量化风险中，首先介绍一个基本理论，即风险动态平衡理论，指人在开车的过程当中或在做决策时，实际是可以接受一些风险水平，并且在长期经验积累中，这个风险水平基本固定不变，这就是风险动态平衡理论。

换言之，就是在整个决策过程当中，驾驶人会根据感觉到的风险水平对行为进行调整。但这就带来一个问题，即如何评价感觉到的风险水平。

我们基于该理论来进行风险的量化。先举一个比较简单的例子，假如在一个篝火晚会中有各种各样的火堆，大家在运动过程中必然不会跑到火堆里，这是因为火堆会对人们的运动产生约束，即人们所能明显感觉到火堆所带来的风险。同时，如果抬着火把在奔跑时也不会与他人碰撞到一起，这是由于在运动过程中，人们会评估他人运动所带来的风险。

基于这一想法，我们将交通中的各种要素作为一个产生风险的源，这些风险源会形成一个风险场，进入风险场的车辆在不同的位置所承受的风险不同。

基于该思想，如果某个空间在某个时间段被某个物体占用，那么此空间在该时间段内的风险就是1，如果其他车辆进入到这个空间就会发生碰撞，所以该风险场中风险的最大值为1。

同时，随着于产生风险物体的距离增加，它对其他物体的作用就越小，风险作用就会衰减，故每个产生风险的物体均以其自身为中心，随着距离产生衰减。在此基础上，我们将每一个物体产生的风险进行叠加，形成了一个完整的风险场。

产生风险的交通元素可以分为三类，即动态物体、固定物体和交通管控信息。

对于动态物体产生的风险，最典型的就是运动车辆。对每个运动的物体建立一个风险函数，则该风险函数以该物体为中心，与其相对距离越近风险越大，即与其空间距离越远，其产生的风险衰减就越多。同时，考虑到车辆运动速度的影响，速度越高风险越大，停车时保留作为静态障碍物的风险。

若将运动物体的速度取为零，实际上就形成了一个固定的物体，如护栏、分隔带，甚至是边缘建筑物等，都可以当作固定物体，其量化方法与运动物体一致。

此外，交通管控信息也可作为一种风险。在研究过程中我们发现，管控信息带来的风险与固定物、运动车辆带来的风险不同，固定物和运动车辆带来的碰撞风险是一定要避免的，但管控信息带来的更多的是违法风险，没有直接性损害，如一些司机有时会压实线，但如果实线的地方是一个隔离墩，那么司机必然会避让。因此，管控风险在对驾驶人的影响方面，与物体带来的风险有所不同。

信号灯带来的风险同样也可以和前面一样进行量化，我们假设信号灯在停车线位置产生一个虚拟的物体，在空间上，距离停车线越近，风险越大，其产生的风险场随信号周期动态变化。红灯期间的风险较容易理解，风险为1；而绿灯期间可以通行，则风险是0。

比较困难的是黄灯期间的风险量化问题。车辆在运动过程中，在不同位置时，部分驾驶人会出现闯黄灯的行为；且黄灯剩余时间越短，通过车辆数越少，风险越大，基于大量数据分析，我们建立了随信号灯动态变化的风险量化方法。

最终，我们在一个框架下进行风险量化，运动物体、固定物体、管控信息都会对周围车辆的运动会产生风险约束，而不同物体产生的风险约束如何叠加在一起？我提供一个最简单的叠加思路：假如一个 10米的护栏，它产生的风险应该等于连接在一起的2个5米护栏所产生的风险，我们选择的叠加方式要保障两种护栏方式生成的风险场效果是一致的。

在此基础上，可以通过坐标变化将所有要素产生的风险场转换至统一坐标系，同时，通过取最大值的方式叠加构建交通环境风险场。

三、基于风险场的驾驶行为解析

人的驾驶行为主要分为两方面：一方面是空间轨迹规划行为，即规划一个空间的轨迹，如左转或右转按什么样的空间曲线行驶。另一方面是根据感觉到的风险来调整速度，即速度规划。

根据预瞄理论和风险平衡理论，在风险量化的基础上，包括跟驰、换道或是交叉口等场景，可以做出统一的驾驶行为模型。

在跟驰行为中，前车在行驶时，后车在不断调整速度，其目的是使前车所产生的风险对后车的影响，恰好是期望接受的值。将基于风险场描述的跟驰过程和传统的跟驰模型比较，效果是比较不错的。

我们将上述逻辑应用在换道上也得到了同样的效果，且跟驰和换道的风险水平相同，取的是一样的值，即车辆在跟驰和换道时，基本处于固定的安全水平。

在有信号交叉口中，我们用同样的逻辑建立了车辆在在黄灯期间通行的模型，准确描述了车辆闯黄灯行为，并从风险动态平衡的角度对其行为机理进行了解析。

在无信号交叉口中，也同样应用相同的逻辑对车辆运动行为进行了描述。如下图所示，我们对比了用模型描述的运动过程和实测的运动数据，表明用该逻辑框架同样可以描述车辆在无信号交叉口的运动过程。

四、基于风险场理论的安全评价方法

通过将上述提及的模型方法应用在跨场景的安全评价，构建针对驾驶行为的安全评价方法，可实现对每辆车、每个时刻所承受的风险评价。如此一来，如果能够使用雷达或视频，全样本地采集到这些车辆的运动轨迹，就能够对这些轨迹中的每一辆车、每一时刻所承受的风险水平进行量化。

同时，能够绘制出整个空间中车辆碰撞风险的热力图。再进一步，可以对于不同交叉口进行安全性评价。

首先针对所有运动物体，包括周围固定物所产生的风险水平建立一个风险场，可以得到车辆在该场中的所处位置及承受风险水平，最终通过使用全样本、高精度、高准确性数据，实现每辆车运动过程的实时风险评价。

通过统一的风险理论，跨场景实现对这些运动过程风险的统一量化，包括跟驰行为和换道行为，虽然场景不同，但其风险量化都是相对一致，解决了不同场景下风险量化的可比性问题。

下面第一张图中展示了对于每辆车在运动过程中独立产生的潜在风险，第二个图是目标车辆所处环境周围产生的风险，能够得到目标车瞬时所承受的风险水平。上述方法，能够实现对每辆车、每一时刻风险水平的计算与可视化。

该方法克服了一些特殊场景下传统安全评价指标的局限。如跟驰场景中， TTC只考虑相对速度，未考虑绝对速度，但车头时距又只考虑绝对速度，不考虑相对速度，而我们提出了风险量化方法，克服了上述问题。

PET考虑时间的接近程度，能解决有明显冲突点的场景，但如果两车没有冲突点，但靠得比较近，虽然风险也较高，但用PET指标无法使用。而我们提出的风险场方法可以实现跨场景、全过程量化。

车辆承受的瞬时风险量化。车辆运动过程中的瞬时风险，可以根据车辆不同位置在风险场中对应的风险，进行具体量化，但对车辆整体来说，一般取该车受到的最大风险点作为车辆的风险。

交叉口整体安全评价。通过量化待评估周期内所有车辆的瞬时风险，可以采用恰当的叠加方式对交叉口平面的风险进行量化，得到评估周期时间内交叉口平面的风险分布。如信号交叉口的一个信号周期，将所有车辆整体承受的风险进行统计归一，即可得到整个交叉口每个空间点的风险水平。

K-means风险等级划分。有时候，我们关心的并不是风险的具体值，而是风险水平的相对性，所以需要对风险等级进行划分。我们可以用K-means聚类方法对风险等级进行分类，比如分四级或三级。

多个交叉口安全评价。在得到风险水平的整体分布后，可使用极值理论、概率统计学等方法分析发生事故的可能性和概率，并进行相应的比较。

五、交通仿真与评估测试平台

1.微观交通仿真软件。我们自主开发了一套模型、算法，具有完全自主知识产权的微观交通仿真软件，可对智能车辆的感知、决策、执行过程进行仿真，通过外设将驾驶人的驾驶操作输入到模拟器中可实现自动驾驶与人工驾驶的混行测试。能够模拟直行和左转同时放行的时候，出现的左转车辆抢行的行为，更加贴近真实的交通过程。

2.交通行为模拟集群系统。将多个可独立运行的模拟器连接在同一场景下，形成了包括行人、自行车、汽车的交通模拟集群系统，包含驾驶模拟器、行人模拟器、自行车模拟器、电动自行车模拟器等，系统可在同一虚拟仿真场景下实现多种类型交通参与者的实时交互。这些模拟主要是在做交通设计的过程中的前期安全评价和行为分析。

3.车路协同实车测试平台。2013年，我们就开始进行车路协同的研究。如今也是将其结合起来，进行车路协同控制方面的评价，开发了车路协同实车测试平台，包括三个主要硬件子系统：车辆状态信息采集子系统、车车通信子系统、车速控制子系统，拥有一套自主开发的车车协同控制软件，具备车车协同自适应巡航控制、车车协同交叉口避撞控制、车车协同换道与盲区危险预警等功能，可用于虚实结合仿真测评。