摘要
确保自动驾驶车辆（AVs）的安全需要采用能够处理动态约束、不确定交互和实时决策的预测控制方法。本综述通过PRISMA指导的筛选流程，研究了面向安全的模型预测控制（MPC）在自动驾驶车辆中的应用。从2015年1月至2026年3月期间发表的363篇文献中，选取了101篇经过同行评审的研究进行定性分析。这些文献被分为三个领域：碰撞避免与风险缓解、轨迹跟踪与路径跟随，以及交叉口协调任务。在这些领域中，模型预测控制已经从单纯的跟踪和几何避障发展为具有风险意识、鲁棒性、层次结构和学习增强功能的控制方法。与关于自动驾驶控制的广泛综述不同，本综述特别关注面向安全的模型预测控制，并从安全机制、不确定性处理、验证方法、计算可行性以及部署限制等方面对相关文献进行了比较。研究表明，模型预测控制仍然是保障自动驾驶车辆安全的最通用框架之一，但其有效性受到以下因素的削弱：过度依赖仿真测试、安全评估指标不统一、在不确定性条件下的验证不足，以及对计算可行性处理不均衡。最具前景的发展方向是结合基于模型的安全保障与不确定性感知预测、学习辅助适应以及可扩展协调机制的混合架构。
