Autonomous vehicles (AVs) must navigate uncertain environments while ensuring safety, particularly in scenarios involving risk and occlusions. This thesis develops structured approaches to risk- and occlusion-aware motion planning, integrating theoretical advancements with real-world validation.

To address risk in motion planning, we introduce a framework that quantifies both the probability and severity of safety violations, enabling AVs to reason about risk while maintaining operational efficiency. Complementing this, we investigate pedestrian-aware motion planning in urban environments, incorporating a harm-based risk model to balance safety and progress in interactions with vulnerable road users.

Occlusions pose a major challenge by limiting direct visibility of critical road users. We develop a method for tracking and reasoning about hidden obstacles using reachability analysis and formal logics. By incorporating prior observations, our approach systematically refines possible states of occluded agents, reducing unnecessary conservatism. For high-speed driving, we refine velocity bounds on occluded traffic participants, preventing worst-case assumptions that could lead to excessive braking. Additionally, we explore vehicle-to-everything (V2X) communication to enhance situational awareness, enabling AVs to infer and share information about occluded regions in real time.

Finally, we propose an occlusion-aware planning framework that integrates tree-based motion planning with reachability-based occlusion tracking. This enables AVs to proactively reason about future observations—or their absence—ensuring robust decision-making under limited sensing. By reducing overly conservative constraints while maintaining safety guarantees, our approach addresses key issues in occlusion-aware motion planning.

Together, these contributions advance the ability of AVs to operate safely and efficiently in demanding environments, supporting scalable real-world deployment.

Autonoma fordon måste fatta säkra beslut trots osäkerheter i trafiken, särskilt i riskfyllda situationer och när sikten är begränsad. Denna avhandling presenterar metoder för att planera ett fordons rörelser på ett sätt som tar hänsyn till både risker och skymda hinder. Här kombineras teoretiska resultat med praktisk validering i realistiska trafikförhållanden.

För att hantera riskerna i planeringen introducerar vi ett ramverk som systematiskt bedömer både sannolikheten och konsekvenserna av potentiella säkerhetsproblem. Detta möjliggör en mer nyanserad plan som tar hänsyn till säkerheten utan att begränsa fordonet i onödan. Vi studerar särskilt planering i stadstrafik och utvecklar en riskmodell som väger säkerhet mot effektiv framkomlighet vid möten med exempelvis fot\-gängare och cyklister.

Skymd sikt utgör en utmaning för autonoma fordon. För att bemöta detta utvecklar vi en metod baserad på räckviddsanalys och logisk slutledning, som kan resonera kring möjliga dolda trafikanter. Genom att använda tidigare observationer kan metoden utesluta omöjliga scenarier och därmed undvika överdrivet defensiva beslut. För motorvägskörning inför vi även antaganden om trafikanters möjliga accelerationer, vilket ytterligare minskar behovet av onödiga inbromsningar. Dessutom undersöker vi hur fordonskommunikation (V2X) kan användas för att dela information om skymda områden och därmed förbättra fordonens beslutsunderlag.

Slutligen föreslår vi ett planeringsramverk där en trädstruktur av möjliga rörelser kombineras med räckviddsanalys för att hantera skymd sikt. Detta tillåter att proaktivt resonera kring framtida observationer och deras möjliga frånvaro. På så sätt kan fordonen fatta säkra och effektiva beslut även när sikten är begränsad. Vår metod adresserar därmed viktiga utmaningar inom området och bidrar till att minska onödiga säkerhetsmarginaler utan att kompromissa med säkerheten. Tillsammans stärker dessa resultat autonoma fordons förmåga att navigera säkert och effektivt i komplexa trafikmiljöer. Detta öppnar för bredare användning i verkliga trafiksystem.