一种用于自动驾驶的车辆概率性长期轨迹预测框架（英文）OA

作者：刘金鑫; 罗禹贡^*; 钟志华; ***; 黄荷叶; 熊辉

来源：Engineering, 2022, 19(12): 228-9.

在混合和动态的交通环境中,准确地预测周围车辆的长期轨迹是自动驾驶汽车(AV)实现合理行为决策和保障行车安全不可或缺的前提条件之一。本文提出了一种用于长期车辆轨迹预测的集成概率架构,由驾驶推理模型(DIM)和轨迹预测模型(TPM)组成。DIM通过动态贝叶斯网络进行设计和应用,以准确推断潜在的驾驶意图。所提出的DIM结合了基本的交通规则和多变量车辆运动信息。为了进一步提高预测精度,实现不确定性估计,本文开发了基于高斯过程(GP)的TPM,同时考虑了车辆模型的短期预测结果和驾驶运动特性。随后,通过在变道情景下进行实验,证明了新方法的有效性。通过与其他先进方法进行对比,展示并验证了该框架在长期轨迹预测任务中的优异性能。

• 单位
  清华大学