The road traffic environment is inherently uncertain and unpredictable. An automated vehicle (AV) deployed in such an environment will eventually experience unforeseen critical situations, i.e., situations in which the probability of having an accident is rapidly increased compared to a nominal driving situation. Critical situations can occur for example due to internal faults or performance limitations of the AV, abrupt changes in operational conditions or unexpected behavior from other road users. In such critical situations, the first priority for vehicle motion control is to reduce the risk of imminent accident. If needed, the full physical capacity of the vehicle should be employed to accomplish this. These unique circumstances distinguish automated driving in critical situations from the nominal case. 

This work aims to tackle the problem of motion planning and control in such critical situations. We determine a set of characteristics that signify the motion planning and control problem in critical situations, in relation to state of the art algorithms. Further, we incrementally develop a motion planning and control framework, tailored for the particular circumstances of critical situations. In its current form, the framework uses a combination of numerical optimization, trajectory rollout and constraint adaptation, to allow motion planning and control with respect to time-varying actuation capabilities, while realizing a range of behaviors to mitigate accident risk in a range of critical situations. 

Results for the research work are generated by exposing the framework to several categories of critical situations in a combination of simulations and full scale vehicle tests. We present the following main findings: (1) Inclusion of risk levels of stopping locations at the local planning level generates satisfactory motion behavior in the evaluated critical situations, enabling a combined assessment of risk of the maneuver and of the stopping location. (2) Traction adaptive motion planning and control improves the capacity of autonomous vehicles to reduce accident risk in critical situations, both when adapting to deteriorated and when adapting to improved traction in a range of tested critical situations. (3) State of the art friction estimation algorithms are insufficient for traction adaptive motion planning in terms of combined requirements on accuracy, availability and foresight. However, fusion of multiple estimation paradigms show potential to yield near-optimal performance. 

The combined contributions of this thesis are intended as a step towards further improving accident avoidance performance of automated vehicles and driver assistance systems in critical situations. However, much research work remains to be done in this field. We emphasize the need for further research efforts in terms of experimentally evaluating the impact of motion planning and control concepts on accident avoidance performance in critical situations. 

Vägtrafikmiljön är oförutsägbar. Autonoma vägfordon i en sådan miljö kommer tids nog att hamna i oförutsedda kritiska situationer, det vill säga situationer där risken för en trafikolycka är markant högre än vid nominell körning. Kritiska situationer kan orsakas av exempelvis interna fel eller prestandabegränsningar hos autonomisystemet, av plötsliga förändringar i operationella förhållanden eller av oförutsett agerande hos medtrafikanter. I kritiska situationer är passagerarkomfort inte längre en prioritet, utan fordonets fullständiga manöverförmåga kan utnyttjas för att minimera olycksrisken. Dessa omständigheter skiljer autonom körning i kritiska situationer från det nominella fallet.  

Forskningsinriktningen för denna avhandling är rörelseplanering och styrning av autonoma fordon i kritiska situationer. Vi presenterar en uppsättning egenskaper som kännetecknar detta specifika problem, i relation till ledande algoritmer för rörelseplanering och styrning. Vi presenterar också vår egen stegvis utvecklade metod för att angripa problemet. I sin nuvarande form består metoden av en kombination av optimeringsbaserad och samplingsbaserad trajektorieplanering med tidsvarierande dynamik och bivillkor. Metoden gör det möjligt att representera tidsvarierande dynamik och dynamiska begränsningar hos fordonet (till exempel till följd av varierande vägförhållanden) vid planering av en mängd olika manövertyper som kan minska olycksrisken i kritiska situationer. 

Resultaten i forskningsarbetet har genererats genom att testa metoden i ett flertal typer av kritiska situationer som har iscensatts genom en kombination av simuleringsmiljöer och experiment med fullskaliga autonoma testfordon. De huvudsakliga slutsatserna från forskningsarbetet är följande: (1) Att inkludera risknivån hos alternativa stoppositioner på den lokala planeringsnivån genererar tillfredsställande rörelsebeteende vid exempelvis interna fel hos autonomisystemet. Detta möjliggör en sammantagen riskbedömning för manöver och stopposition. (2) Väglagsanpassad rörelseplanering och styrning förbättrar autonoma fordons förmåga att reducera olycksrisk i kritiska situationer, både vid anpassning till försämrade och till förbättrade vägförhållanden. (3) Ledande metoder för skattning av vägfriktion har inte tillfredställande prestanda för väglagsanpassad rörelseplanering och styrning med avseende på kombinerade krav på precision, tillgänglighet och framsynthet, när de används var för sig. Dock är det möjligt att kombinera estimat från olika sensorslag till ett friktionsestimat som ger närmast optimalt rörelsebeteende då det används i kombination med väglagsanpassad rörelseplanering och styrning.

Vår förhoppning är att de sammanlagda forskningsbidragen från denna avhandling kan komma att bidra till fortsatta prestandaförbättringar hos system avsedda att minska olycksrisken i kritiska situationer, både för autonoma fordon och för förarstödsystem. Det finns dock mycket kvar att göra inom detta forskningsfält. Vi vill särskilt framhäva behovet av ytterligare forskningsinitiativ rörande experimentell utvärdering av nya koncept för rörelseplanering och styrning, med avseende på förmågan att minska olycksrisken i kritiska situationer.