用TTC指标提升自动驾驶车辆变道避撞能力

Improvement of Collision Avoidance in Cut-In Maneuvers Using Time-to-Collision Metrics

• 结合深度学习与TTC计算预测碰撞风险
• 相比传统方法，能更准确识别变道冲突场景
• 适合研究自动驾驶决策系统的研究者

本文提出一种新策略，利用时间到碰撞（Time-to-Collision, TTC）指标应对自动驾驶车辆中复杂的变道（cut-in）场景。通过将深度学习与TTC计算相结合，系统可更精准预测潜在碰撞，并据此判断合适的避让动作。该方法相较于传统的基于TTC的避撞策略，在复杂交通场景下的响应能力显著提升，尤其适用于高动态、高密度交通环境中的安全决策。

原文摘要 · Abstract (English)

This paper proposes a new strategy for collision avoidance system leveraging Time-to-Collision (TTC) metrics for handling cut-in scenarios, which are particularly challenging for autonomous vehicles (AVs). By integrating a deep learning with TTC calculations, the system predicts potential collisions and determines appropriate evasive actions compared to traditional TTC -based approaches.

Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。