摘要：随着自动驾驶技术快速发展，自动驾驶车辆整体舒适性受到越来越多的关注。在确保安全行驶的同时，如何提升舒适性是一项重要研究课题。近日，清华大学车辆与运载学院李骏院士团队提出基于多头注意力机制的驾驶舒适性预测模型，并将其运用至自动驾驶路径规划，在不改变自动驾驶安全性

随着自动驾驶技术快速发展，自动驾驶车辆整体舒适性受到越来越多的关注。在确保安全行驶的同时，如何提升舒适性是一项重要研究课题。近日，清华大学车辆与运载学院李骏院士团队提出基于多头注意力机制的驾驶舒适性预测模型，并将其运用至自动驾驶路径规划，在不改变自动驾驶安全性的情况下，成功提升了整体舒适性。

自动驾驶舒适性预测模型

尽管现有技术已在局部路径规划（如车道变换、制动控制）方面引入加速度、加加速度等约束以提升舒适性，然而总体而言，自动驾驶系统对车辆的舒适性控制仍与优秀驾驶员存在差距，其中宏观道路信息未被充分利用是一项重要原因。研究团队指出，交通信号灯密度、交叉路口数量、转弯需求、天气等宏观道路条件均会影响自动驾驶车辆舒适度，自动驾驶规划应当将此类因素纳入考量。

为解决这一问题，研究团队提出了基于多头注意力机制与XG Boost的ADCP模型，实现从道路信息到宏观舒适性指标的预测。通过真实车辆数据采集与仿真结合，构建了全球首个“道路信息-舒适性”数据集，量化了道路特征（如拥堵程度、道路宽度、路口数量等）与舒适性指标（如加速度变化率等）的关联性。同时，研究结合乘员主观感受提出综合评价方法，验证了模型的有效性，综合评价效果提升13%。

应用ADCP模型的路径规划

该模型能够同车辆底盘控制、局部路径规划等相结合，进一步提升整车控制效果。在不改变自动驾驶安全性的前提下，对整体舒适性有着显著的提高，为平衡自动驾驶安全性和舒适性提供了参考。文中还提到，这一成果具备一定的商业价值，不仅为自动驾驶规划控制算法优化提供了新思路，还可以赋能导航地图软件，为用户优先推荐高舒适性路线，助力智能出行服务升级。

相关研究成果以“利用道路信息和多头注意力模型预测自动驾驶汽车驾驶舒适性”（Predicting driving comfort in autonomous vehicles using road information and multi-head attention models）为题，于3月19日发表于《自然·通讯》（Nature Communications）上。

该研究由李骏院士团队独立完成，车辆学院研究员黄朝胜为论文通讯作者，车辆学院2022级博士生陈正先为论文第一作者。团队博士后沈阳，助理研究员于文浩，车辆学院2019级博士生王华男、东北林业大学2021级本科生海涵、武汉理工大学2021级本科生倪文杰、荷兰乌特勒支大学2021级硕士生刘宇琦等也为研究作出了贡献。

论文链接：

来源：清华大学一点号