行人运动不确定性是行人避撞系统风险评估模块中需要考虑的重要因素,本文在考虑了行人运动不确定的基础上,提出一种快速预测人车冲突中行人伤害概率的方法。目前风险评估主要有时间指标与碰撞概率两种形式,通常时间指标将行人运动简化成确定性模型,而碰撞概率没有考虑碰撞速度对风险的影响,以时间指标与碰撞概率作为避撞决策依据存在不合理性。在概率方法中,准确的行人模型与距离模型是风险预测的基础,建立符合真实行人运动的模型能提高系统的鲁棒性,但现有的距离模型有夸大碰撞风险或无法区分人车正面碰撞与侧面碰撞的特点,且实际中人车侧面碰撞很少发生,又避撞系统对预测算法的实时性有很高的要求,因此论文从行人模型、距离模型、风险评估指标以及预测算法四个方面出发,确立了本文的主要研究内容:(1)建立符合真实行人运动的随机模型。采用一阶马尔科夫过程描述行人随机运动,依据长沙地区过街行人运动的真实轨迹数据获取行人模型中的参数,将模型行人轨迹与真实行人轨迹进行对比,验证随机模型的有效性。(2)提出只考虑人车正面碰撞的冲突距离模型。根据人车相对运动情况,将人车正面冲突分为两种场景进行冲突距离的计算,准确反应冲突过程车辆对行人造成的威胁。(3)提出以行人伤害概率描述人车冲突风险。综合考虑碰撞速度与碰撞概率对人车冲突风险的影响,在行人随机模型与冲突距离模型的基础上,计算行人伤害概率,并以此作为人车冲突风险提高系统决策的鲁棒性。(4)设计无味变换算法实时预测行人伤害概率。通过蒙特卡罗模拟随机采样得知目标概率密度函数符合高斯分布,在此基础上,设计对称无味变换算法预测行人伤害概率提高系统的实时性。随后,随机选取20000种人车冲突场景,以蒙特卡罗模拟结果为参考,验证冲突距离模型以及行人伤害概率预测算法的准确性和实时性。最后,预测典型人车冲突场景下,采取不同避撞操作的行人伤害概率,结果表明,相比确定性方法,本文所提出的方法能更加真实的反应不同避撞操作下行人的伤害,为避撞决策与控制提供有效的目标量化手段。