基于历史预测注意力机制的轨迹预测用于数字孪生环境中主动工作区安全
其他计算机科学
2025-08-12 v1 机器人学
摘要
主动安全系统旨在通过预测潜在冲突来缓解风险，从而实现早期干预，防止与工作区相关的事故。本研究提出了一种基于数字孪生环境的基础设施支持的主动工作区安全警报系统，集成了实时多传感器数据、详细的高清 (HD) 地图，以及基于历史预测注意力机制的轨迹预测模型。使用将 Simulation of Urban MObility (SUMO) 和 CAR Learning to Act (CARLA) 模拟器结合的仿真环境，结合 Lanelet2 HD 地图和 Historical Prediction Network (HPNet) 模型，我们展示了在高速公路工作区车辆相互作用中有效的轨迹预测和早期警报生成。为评估预测轨迹的准确性，我们使用两个标准指标：联合平均位移误差 (ADE) 和联合最终位移误差 (FDE)。具体而言，基础设施支持的 HPNet 模型在工作区数据集上表现优异，最低联合 FDE 为 0.3228 米，最低联合 ADE 为 0.1327 米，低于 Argoverse 数据集（最低联合 FDE: 1.0986 米，最低联合 ADE: 0.7612 米）和 Interaction 数据集（最低联合 FDE: 0.8231 米，最低联合 ADE: 0.2548 米）上的基准结果。此外，本研究的主动安全警报生成应用，利用车辆边界框和概率性冲突建模，展示了其针对潜在车辆冲突发出警报的能力。
引用
@article{arxiv.2508.06544,
title = {Historical Prediction Attention Mechanism based Trajectory Forecasting for Proactive Work Zone Safety in a Digital Twin Environment},
author = {Minhaj Uddin Ahmad and Mizanur Rahman and Alican Sevim and David Bodoh and Sakib Khan and Li Zhao and Nathan Huynh and Eren Erman Ozguven},
journal= {arXiv preprint arXiv:2508.06544},
year = {2025}
}