在自动驾驶汽车领域，控制车道变化的算法是一个重要的研究课题。但是大多数现有的车道变换算法存在以下两个缺点其一：或者它们依赖于驾驶环境的详细统计模型，这些统计模型难以组装而且分析起来太复杂；或者这些算法太简单了，会导致不切实际的保守决策，比如永远不会变换车道。

在国际机器人与自动化会议上，来自麻省理工学院计算机科学与人工智能实验室（CSAIL）的研究人员将介绍一种新的车道变换算法，以区分这种差异。与简单模型相比，它允许进行更激进的车道变更，但仅依赖其他车辆的方向和速度的即时信息来做出决定。

“动机是我们可以用少量的信息做什么？”CSAIL的博士后，新文章的第一作者Alyssa Pierson表示，“我们如何能让自动驾驶汽车表现出人类驾驶员的行为？汽车引发人类行为所需的信息量最少可以是多少？”

“优化解决方案将确保导航与车道变化，可以模拟从保守到积极整个范围的驾驶风格，并提供安全保证，”CSAIL主管Rus说。

避免自动驾驶汽车发生碰撞的一种标准方法是计算环境中其他车辆周围的缓冲区。缓冲区不仅描述车辆的当前位置，而且还描述在某个时间段内之后可能会到达的位置。规划车道变化则成为简单地停留在其他车辆缓冲区之外的问题。

对于计算缓冲区的给定方法，算法设计者必须在用于描述流量模式的数学模型的情境中证明它能确保避免碰撞。证明这件事可能很复杂，因此通常会提前计算最佳缓冲区。在操作期间，自动车辆调用与预先计算的情况相对应的缓冲区。

问题是，如果流量足够快并且密度足够大，预先计算的缓冲区可能过于严格。一辆自动驾驶车辆根本无法改变车道，而人类驾驶员则会轻松变道。

有了麻省理工学院的研究人员开发的系统，如果默认的缓冲区导致性能远远低于人类驾驶员的性能，系统将即时计算新的缓冲区，可以证明避免碰撞成立。

这种方法依赖于一种数学上有效的描述缓冲区的方法，这样就可以快速地证明防止碰撞的条件。

他们从所谓的高斯分布开始，即熟悉的钟形曲线概率分布。该分布表示汽车的当前位置，其长度和位置估计的不确定性都考虑在内。

然后根据对汽车方向和速度的估计，研究人员用系统构建了一个逻辑函数。用高斯分布乘以对数函数，使曲线向汽车运动方向上的分布倾斜，而更高的速度则增加倾斜度。

倾斜分布定义了车辆的新的缓冲区。但是它的数学描述非常简单，只使用少量方程变量，系统可以实时评估它。

研究人员在包含多达16部自动驾驶汽车的模拟环境中测试了算法，其中包括数百部额外的车辆。

“自动驾驶汽车不是直接通信，而是平行运行所提出的算法，没有冲突或碰撞，”Pierson解释说。“每辆车使用不同的风险阈值，产生不同的驾驶风格，使我们能够区分保守和激进。使用静态、预先计算的缓冲区只允许保守驾驶，而我们的动态算法适用于更广泛的驾驶风格。”

这个项目得到了丰田研究所和海军研究办公室的部分支持。