利用状态和意图信息在路口进行多车轨迹预测

Jan, 2023

利用状态和意图信息在路口进行多车轨迹预测

Multi-Vehicle Trajectory Prediction at Intersections using State and Intention Information

Dekai Zhu, Qadeer Khan, Daniel Cremers

TL;DR该研究使用神经网络进行交叉口多车辆轨迹预测和控制，通过车辆之间的信息传递实现对当前状态和预期方向的综合考虑，获得更加鲁棒的预测和控制效果。

Abstract

Traditional approaches to prediction of future trajectory of road agents rely on knowing information about their past trajectory. This work rather relies only on having knowledge of the current state and intended direction to make predictions for multiple vehicles at intersections. Furthermore, message passing of this information between the vehicles provide

trajectory prediction message passing neural network vehicle control intersection

发现论文，激发创造

基于循环神经网络的自然驾驶员意图和路径预测

使用循环神经网络和混合密度网络在城市路口进行多模态路径预测和聚类，验证了方法的性能和广泛适用性。

Jul, 2018

自动驾驶车辆的多模态概率轨迹预测与车道关注

本文提出一种基于实例感知的车道表示法和目标導向车道注意力模型，结合车道特征和车辆轨迹特征进行车辆位置预测，并在 NeurIPS 2019 的 Argoverse 运动预测竞赛中获得第三名，实验证明了模型的有效性。

Jul, 2020

一种端到端的汽车轨迹预测框架

本文提出了一种新颖的端到端架构，该架构接受原始视频输入并输出未来车辆运动轨迹预测，以解决自主驾驶中的邻近车辆运动预测问题。该架构通过多头注意力回归网络和非线性优化提取和跟踪附近车辆的三维位置，然后使用基于注意力的 LSTM 编码器 - 解码器算法对车辆之间的相互依赖关系建模，从而达到了高精度的未来车辆轨迹预测，实验结果表明，该算法优于目前各种先进模型。

Apr, 2023

TrafficPredict: 面向异构交通行为的轨迹预测

提出了一种基于 LSTM 的实时交通预测算法 TrafficPredict，通过学习不同交通主体的移动模式和交互方式来提高交通路径预测的准确性，应用于自动驾驶交通领域，较之先前的算法具有更高的准确性。

Nov, 2018

智能：多智能体联合递归轨迹预测

本文提出了一种解决多模态数据和场景下多主体交互的轨迹预测问题的方法，使用 convLSTM 结合 CVAE 进行多样性预测，通过多元化的数据集模拟，取得了比现有方法更好的效果

Jul, 2020

自主街道穿越的多模态交互感知运动预测

提出了一种基于多模态卷积神经网络框架来预测街道交叉口安全性的算法，通过将交通灯识别和交通参与者轨迹估计融合起来进行决策，实现了在交通信号化和未信号化的街道交叉口的安全导航，并在公共基准数据集和提案数据集上实现了最先进的结果。

Aug, 2018

利用未来关系推理进行车辆轨迹预测

提出了一种使用车道信息预测多个代理之间的随机未来关系的新方法，该方法使用概率分布对交互模式进行建模，从而在长期预测基准测试中达到了最先进的性能。

May, 2023

城市环境中基于交互感知的行为概率预测

本研究提出了基于动态贝叶斯网络的概率性交通预测模型，结合马尔科夫模型和上下文感知的车辆运动模型，可以更精准地预测未来的交通路径和解决交互问题。相较于基于物理学和地图的方法，该模型表现更加优越。

Apr, 2018

自动驾驶车辆的多模态轨迹预测：基于语义地图与动态图注意力网络

本文研究自动驾驶汽车预测未来路障轨迹的问题，提出了一种基于动态图注意力网络的方法，针对交通规则、社交互动、多类交通运动等方面的挑战，能够使用单一模型对多模态轨迹进行概率预测，并经过多个数据集的验证，证明该方法具有实际应用潜力且优于现有技术。

Mar, 2021

基于图的轨迹预测与合作信息

使用合作信息进行自动驾驶的轨迹预测，提出了一种基于图神经网络的体系结构，能够有效地提高网络性能并处理不准确的合作数据。

Oct, 2023