低能见度下智能汽车双因子避障轨迹优化研究

来源：交通运输系统工程与信息杂志2026年第1期北京时间：

作者：尚婷, 胥浩, 毛慧涵, 何军

单位：1. 重庆交通大学，a.交通运输学院，b.智能综合立体交通重庆市重点实验室，c.土木工程学院，重庆400074；2. 重庆市气象服务中心，重庆401147

摘要：为提升智能汽车在低能见度条件下的紧急避障性能，本文基于无人机现场实测交通流数据，构建低能见度环境下的轨迹规划与自适应优化模型。首先，建立融合连续评分与监督学习的转向决策机制。结果表明，在低能见度条件下，模型方向判定一致率达93%，较传统阈值法提升39.6%，平均响应时间为0.12s，避撞条件触发的准确率达96%。其次，分别采用五次多项式法与分段式四阶贝塞尔法进行1000次轨迹生成仿真。对比结果显示，前者平均运行时间为0.0461s，后者为0.0385s，计算效率提高16.45%；贝塞尔法的最大曲率变化率为0.003m-2，显著低于五次多项式法的0.094m-2，表明其轨迹平滑性与实时性更优。进一步，提出能见度与附着系数双因子微调机制实现动态修正。当能见度为440~490m、附着系数为0.54~0.60时，中段控制点修正最为显著，横向偏移增幅约3.8%；当hvis≥470m、μ≥0.57时，曲率变化率稳定在0.027 m-1·s-1以内，系统响应时间小于0.12s。研究结果验证了双因子自适应优化模型在低能见度与低附着工况下的有效性与鲁棒性，可为复杂气象条件下智能汽车的轨迹控制与安全避障提供可工程化的实现路径。

关键词：智能交通,紧急避障,贝塞尔曲线,智能汽车,低能见度,自适应调节

基金资助：教育部青年人文社会科学研究青年基金(22YJCZH143)；重庆市研究生科研创新项目(CYS25494)。