有轨电车具有载客量大、污染小、行驶便利等特点,已在成都、大连等游览景区投入使用。无人驾驶技术目前引起了众多研究者的关注,在有轨电车上也开发了各种类型应用,而无人驾驶结合有轨电车的研究中,安全性是其推广落地的重中之重。车辆的主动安全通常使用运动学模型预测车辆轨迹,并使用预测轨迹和运动学公式判断车辆之间的实时碰撞风险程度。但使用运动学模型来预测车辆轨迹会存在场景较单一,不能分析复杂路况和预测结果较差的问题。本文结合(Long Short-Term Memory,LSTM)神经网络的轨迹预测方法与有轨电车多质点碰撞模型,设计了基于轨迹预测的自动驾驶有轨电车碰撞风险评估模型。主要工作如下:(1)考虑到物体移动过程中其轨迹数据具有时序性,采用对时间序列描述能力强的LSTM深度学习算法构建轨迹预测模型。通过LSTM提取时序轨迹数据中特征,得到预测轨迹,并分析了不同参数大小对轨迹预测的精准度的影响。模型预测结果的均方误差为0.094,实验结果验证了其预测有效性。(2)考虑到有轨电车在行驶过程中,碰撞风险大小与有轨电车周围车辆的相对距离成反比,与速度成正比。在有轨电车简化为多质点模型基础上,提出无人驾驶有轨电车的碰撞风险评估模型。传统的碰撞评测模型将车辆简化为单质点模型,计算质点与质点之间相对距离来进行碰撞评测。而有轨电车由于自身车身较长,使用单质点模型会导致碰撞评测结果不真实。将有轨电车简化为多质点模型后根据时间序列结合预测的轨迹,分析有轨电车在每一个时刻是否碰撞和每个时刻的碰撞风险程度。在仿真实验中验证了碰撞风险评估模型的可行性。实现了多质点有轨电车碰撞风险评估模型后,可以预测有轨电车实时碰撞情况,并且可以分析有轨电车与周围车辆实时风险程度。基于实时风险程度可控制有轨电车的速度以保证有轨电车的安全。