自主超车架构的系统性综述:速度自适应、稳定性保持与预测性规划的耦合挑战

《Results in Engineering》:A Systematic Review of Autonomous Overtaking Architectures: Coupled Challenges in Speed Adaptation, Stability Preservation, and Predictive Planning

【字体: 大 中 小 】 时间:2026年09月23日 来源:Results in Engineering 9.4

编辑推荐:

  • 对自主超车系统进行了系统性综述。 • 提出了一种精细分类法,涵盖经典方法、优化方法、基于学习的方法、模糊方法、ANFIS方法与混合方法。 • 识别了自适应决策、稳定性感知规划和长时域预测性超车中的关键研究空白。 • 为未来自适应自主超车系统提出了一个概念性

  
• 对自主超车系统进行了系统性综述。
• 提出了一种精细分类法,涵盖经典方法、优化方法、基于学习的方法、模糊方法、ANFIS方法与混合方法。
• 识别了自适应决策、稳定性感知规划和长时域预测性超车中的关键研究空白。
• 为未来自适应自主超车系统提出了一个概念性框架。
• 指出了向混合智能超车系统发展的趋势。
自主驾驶汽车(Autonomous Vehicle, AV)技术已进入关键转折点,实现L4/L5级自动驾驶的核心在于车辆能否处理高风险战术情境。其中,自主超车(Autonomous Overtaking)被认为是最具挑战性和危险性的操作,因为它需要在多障碍物动态环境中协同使用长距离感知、传感器融合、高保真运动规划与安全关键控制。然而,现有研究多局限于“直路+单个慢速障碍物”的简化场景,而真实道路包含高速弯道、过渡螺旋线和多障碍物绕行等复杂情况。弯道高速超车时,纵向与横向动力学强耦合,轮胎附着极限显著制约车辆稳定性,传统方法(如经典阈值法、人工势场(Artificial Potential Field, APF))会出现高频振荡甚至失效。因此,亟需对现有自主超车架构进行系统回顾,厘清技术瓶颈并指出发展方向。

研究人员遵循PRISMA指南,在IEEE Xplore、ScienceDirect、SpringerLink和Google Scholar四个数据库中实施布尔检索,经过筛选最终纳入89项主要研究进行定性综合。他们提出了一种精细分类法,将现有架构分为四类:经典阈值与几何模型、反应式规划(如APF)、优化方法(如模型预测控制(Model Predictive Control, MPC))、计算智能与学习方法(如模糊逻辑、自适应神经模糊推理系统(Adaptive Neuro-Fuzzy Inference System, ANFIS)、强化学习等)。同时,研究人员开发了面向工程验证的风险偏倚评估框架,从验证保真度、环境复杂度、对比基准和指标透明度四个领域评估证据强度,结果显示69.7%的研究完全依赖软件仿真验证,仅11.2%开展了全尺寸实车实验。

在系统分析基础上,研究人员识别出三大核心研究空白:

**3.1 耦合失效模式**。三个缺口并非独立,而是通过“决策迟滞降低稳定性裕度→稳定性不足缩短可行规划时域→短时域反应性规划增大决策不确定性”的因果链互相放大,形成多因素相乘的失效。因此,任何仅解决单一缺口的方案都无法满足复杂高速场景要求。

**3.2 Gap 1:速度自适应决策(阈值刚性问题)**。多数决策框架采用固定时间碰撞(Time-to-Collision, TTC)阈值或恒定势场增益,仅适用于中低速。当车速进入高速公路区间(20–25 m/s)时,安全换道的时间窗指数级减小,而所需纵向制动力随速度平方增加,静态阈值导致高速场景安全裕度被严重低估,暴露时间增加也加剧了超车风险。

**3.3 Gap 2:弯道横向稳定性(离心力问题)**。大多数APF和几何规划器仅基于运动学假设,忽略轮胎侧偏角与摩擦圆约束。弯道离心力Fc=m·v2/R消耗大量轮胎附着力,使组合轮胎力接近摩擦圆极限,导致轨迹几何可行但动态不可行,容易引发振荡、不足转向或车辆失稳。

**3.4 Gap 3:动态绕行环境中的预测性路径规划(反应性偏差)**。现有规划器多为反应式,仅对局部环境作出反应,缺乏对周围车辆未来行为的预测和长时域规划。在多障碍物“动态绕行”中,车辆会陷入“未来陷阱”——即当前决策虽然规避了眼前障碍,却使后续障碍无法被安全规避。多数MPC方法采用确定性运动模型(如恒定速度模型),无法捕捉交通参与者的交互行为。

**4.2 概念设计框架**。基于耦合分析,研究人员提出了一个未来自适应自主超车系统概念框架,包含上下文感知感知、自适应推理和稳定性感知的操纵执行三个阶段,利用神经模糊推理实现速度自适应决策,并将摩擦圆约束嵌入规划与控制中,强调各模块必须一体化集成,而非独立分层实现。

讨论部分指出,没有任何单一范式能同时满足适应性、预测性、稳定性与实时性需求;混合智能架构,特别是神经模糊和ANFIS系统,在解释性和计算效率之间取得平衡,是最有前景的方向。未来需要建立统一基准测试平台,提高可解释性与安全保证,并集成V2X通信、数字孪生等技术进行实车验证。

**研究结论**:本文对自主超车系统进行了全面概述和批判性评估,重点指出了当前决策机制和路径规划方法在高速动态复杂情况下的缺陷,这些缺陷表现为阈值刚性、几何偏差和反应性规划,且相互交叉导致系统性能下降。综述还观察到向自适应/混合智能架构(如神经模糊和ANFIS系统)发展的明显趋势。尽管自主超车已有进展,但在不可预测交通场景下的鲁棒性、实时部署、形式化安全验证、可解释性和统一基准方面仍存在关键研究问题。未来研究应聚焦于集成感知、预测、自适应和稳定控制的综合智能框架,以支持复杂交通条件下的安全可靠自动驾驶。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号