中文

INTENT：一种用于交叉口场景车辆意图预测的 LSTM 框架及全面消融分析

人工智能 2026-07-09 v1 机器学习 机器人学
作者: Logine M. Zaki , Catherine M. Elias
在 arXiv 上查看 ↗ PDF ↗

摘要

车辆意图预测是自动驾驶汽车在所有驾驶场景中灵活性和安全性的关键方面；如果需要真正增强自动驾驶汽车，我们需要让它们采用人类对驾驶员意图的理解，特别是在需要大量人机交互以及复杂驾驶行为的情况下，例如交叉口、环岛以及紧急情况（如突然停车），在这些情况下，车辆意图预测有助于在实时时间内采取正确的规避动作，每一秒的行动都会产生影响，并可以防止灾难发生。在最坏的情况下，它有助于将损害降至最低，并将安全放在首位。意图预测也可用于增强轨迹预测（意图条件轨迹预测）。在本研究中，提出了 INTENT 框架，使用 LSTM 模型在事件发生前 2 秒预测交叉口车辆的意图，以预测交叉口的汽车是直行、左转还是右转。在 InD 数据集上对各种模型实验和消融研究进行了全面测试，达到了 99.71% 的准确率。

关键词

车辆意图预测 LSTM 交叉口场景 自动驾驶 消融研究 轨迹预测

引用

@article{arxiv.2607.08316,
  title  = {INTENT: An LSTM Framework for Vehicle Intention Prediction in Intersection Scenarios with Comprehensive Ablation Analysis},
  author = {Logine M. Zaki and Catherine M. Elias},
  journal= {arXiv preprint arXiv:2607.08316},
  year   = {2026}
}