摘要: 地面道路复杂的道路设施和交通运行环境，均会对自动驾驶的车道线感知产生影响。以地面道路为对象，利用搭载多传感器的同济大学车载全息信息采集系统测试车辆，在上海6条事故多发道路进行激光雷达车道线识别测试。采用混合建模方法(结合机器学习和二项Logistic模型),从道路特征、标线属性和交通运行3个维度，解析影响自动驾驶对车道线感知失效的关键因素及其特征变化的影响。基于LightGBM模型进行特征重要度分析，利用SHAP方法解析单个特征变化对车道线感知失效的影响。针对重要影响变量，采用二项Logistic模型确定显著因素及其交互效应。结果表明：标线组合类型、测试车运行速度、标线缺失、车辆遮挡、道路宽度、车道宽度、标线磨损、前车类型、指示标线类型、前车数量等10个变量为影响车道线感知失效的重要因素，重要度依次递减。车道宽度较窄(2.6 m),车辆前方存在大货车会增加车道线感知失效概率；标线缺失、磨损，双虚线组合及人行横道线会增加感知失效概率。二项Logistic结果表明除道路宽度外，其他因素显著影响车道线感知失效，且前车类型与车道宽度、前车类型与运行速度存在交互效应。研究结果可为混合交通环境下的车道线设计与优化提供指导，为传感器厂商和车企优化激光雷达感知算法提供依据。
霍俊妤,王雪松*,刘倩,等.基于混合模型的地面道路车道线识别和影响因素分析, 中国公路报, 2025,38(03).