Full deployment of Autonomous Vehicles (AVs) on public roads is challenging for organizations in the automotive domain in terms of developing safety standards and methods while taking legacy assumptions related to having a human driver and increased complexity and complexity handling into account. Specifically, the safety of AVs in the presence of other road users must be guaranteed as far as possible for different traffic scenarios. Furthermore, unsafe situations might emerge due to uncertainty in the environment of an AV. These situations could arise due to the unexpected behaviors of others (e.g., an aggressive driver), late obstacle detection, and internal failures. Avoiding a collision with other vehicles may thus not always be possible regardless of the complexity of the planned emergency maneuver.

This thesis aims to address the problem of motion planning and control for AVs in these unique situations of unavoidable collisions. Several factors that are important in the problem formulation of a pre-crash motion planning problem for severity minimization are identified and addressed. As a result, a framework is developed that incorporates these factors and combines motion planning and control, vehicle dynamics, and accident analysis to mitigate collision risk, in particular, by reducing injury severity for vehicle occupants and increasing safety by changing the configuration of unavoidable collisions. 

This thesis tackles this problem by first proposing an algorithm that, in real-time, allows an AV to choose one action/trajectory, from a set of pre-computed trajectories, associated with the lowest injury severity for vehicle occupants. The method uses the trajectory library approach combined with numerical optimization and optimal control theories. The choice of this trajectory mainly relies upon a metric derived from accident data analysis that relates injury severity and impact location. By incorporating collision risk as a combination of collision severity and probability, the need for a configurable collision probability threshold that decides when a collision mitigation system should be activated is identified. This decision threshold balances the ability to reduce collision severity with the undesired increase in the likelihood of a collision taking place.

The studies included in this thesis show that different decision-making strategies involving decision thresholds for collision mitigation/reconfiguration systems can lead to statistically significant differences in the resulting collision severity. Furthermore, unobserved heterogeneity may arise through the introduction of these systems, e.g., due to slight variations in the parameters of the algorithms they employ. The problem of motion planning in unavoidable collisions is further extended by proposing a unified system that incorporates the risks of post-impact motions resulting from the original impact. The extended framework can be configured for different contexts by adjusting its cost function according to relevant post-impact risks. 

The result of this thesis aims to contribute to the field of motion planning in unavoidable collisions and to provide guidance for further improvement of road safety. Further research is required to fully explore this field and address the challenges of motion planning and control in unavoidable collision scenarios.

Att förverkliga kommersiell drift av autonoma vägfordon (AV) på allmänna vägar är en utmaning för organisationer i vägfordonsdomänen i fråga om att utveckla personsäkerhetsstandarder och metoder samtidigt som kvardröjande antaganden relaterade till existensen av en mänsklig förare, och ökad komplexitet och hantering av komplexitet, beaktas. Det som gör utmaningarna speciellt svåra att hantera är att AV i största möjliga mån måste kunna garantera att de inte påverkar personsäkerheten för andra trafikanter negativt i olika trafikscenarios. Dessutom, trots dessa garantier kan farliga situationer uppstå på grund av osäkerheten i miljön som AV rör sig i. Dessa situationer kan uppstå på grund av oförutsett beteende från andra (t.ex. en aggressiv förare), sen upptäckt av hinder, och interna fel. Att undvika en kollision med andra fordon är därför inte alltid möjligt oavsett komplexiteten i den planerade akuta undanmanövern.

Den här avhandlingen syftar till att adressera problembilden runt rörelse-planering och -kontroll av AV i dessa unika situationer där en kollision är omöjlig att undvika. Åtskilliga faktorer som är viktiga för formuleringen av en problembild för rörelseplanering, som utförs innan en oundviklig kollision och är ämnad att reducera omfattningen av skador, identifieras och adresseras. Detta har resulterat i utvecklandet av ett ramverk som integrerar dessa faktorer och kombinerar rörelse-planering och -kontroll, fordonsdynamik, och analys av olyckor för att mildra kollisionsrisk, specifikt genom att reducera skadeomfattningen för passagerare i fordon, och öka personsäkerheten genom att ändra konfigureringen av oundvikliga kollisioner.

Den här avhandlingen föreslår att problembilden hanteras genom en algoritm som, i realtid, låter en AV välja den handling/bana, från flera föruträknade manövrar, som kan associeras med den minsta skadeomfattningen för fordonspassagerare. Metoden använder sig av ett angreppssätt som kombinerar ett bibliotek av banor med numerisk optimering och optimal kontrollteori. Valet av bana baseras i huvudsak på ett mått härlett ur analys av data från olyckor som relaterar skadeomfattning till var på fordonet en kollision inträffar. Genom att inkludera kollisionsrisk som en kombination av en kollisions skadeomfattning och sannolikhet, identifieras behovet av en konfigurerbar tröskel för kollisionssannolikhet som kan avgöra när ett system för att mildra effekterna av kollisioner bör aktiveras. Denna tröskel balanserar möjligheten att reducera omfattningen av skador orsakade av kollisioner med en relaterad, oönskad ökning av sannolikheten att kollisioner inträffar.

Studierna som lagts samman i den här avhandlingen visar att olika strategier för beslutsfattande, när en tröskel för kollisionssannolikhet används i ett system för att mildra effekterna av kollisioner, kan leda till statistiskt signifikanta skillnader i omfattningen av de skador som orsakas av kollisioner. Oobserverad heterogenitet kan dessutom uppstå när dessa system introduceras, t.ex. på grund av små variationer av parametrarna i algoritmerna de använder sig av. Problembilden runt rörelseplanering när en kollision inte kan undvikas utökas ytterligare genom att ett enhetligt system föreslås, vilket även kan hantera risker relaterade till de rörelser som kommer efter och beror på denna initiala kollision. Det utökade ramverket kan konfigureras för olika kontexter genom att dess kostnadsfunktion justeras utifrån de risker som är relevanta efter en initial kollision.

Resultaten som presenteras i den här avhandlingen syftar till att bidra till forskningsfältet runt rörelseplanering innan oundvikliga kollisioner och tillhandahålla vägledning för ytterligare förbättring av vägsäkerhet. Ytterligare forskning behövs för att helt utforska det här forskningsfältet och adressera utmaningarna för rörelse-planering och -kontroll i scenarier som involverar oundvikliga kollisioner.