MCENET：用于混合交通中同质智能体轨迹预测的多上下文编码器网络
计算机视觉与模式识别
2020-06-24 v5 计算机与社会
多智能体系统
摘要
城市混合交通区(亦称共享空间)中的轨迹预测对许多智能交通系统至关重要，例如自动驾驶的意图检测。然而，在微观层面预测异质道路智能体(行人、骑行者与车辆)的轨迹存在诸多挑战。例如，智能体在复杂交互与多变环境中可能选择多条合理路径。为此，我们提出一种名为多上下文编码器网络(MCENET)的方法，通过编码过去与未来场景上下文、交互上下文及运动信息，利用一组随机潜变量捕捉未来轨迹的模式与变化。在推理时，我们将目标智能体的过去上下文与运动信息同潜变量采样结合，以预测未来多条真实轨迹。通过在多个不同场景数据集上的实验，我们的方法大幅优于一些近期最先进的混合交通轨迹预测方法，并在极具挑战的环境中更鲁棒。各上下文的影响通过消融研究得以验证。
引用
@article{arxiv.2002.05966,
title = {MCENET: Multi-Context Encoder Network for Homogeneous Agent Trajectory Prediction in Mixed Traffic},
author = {Hao Cheng and Wentong Liao and Michael Ying Yang and Monika Sester and Bodo Rosenhahn},
journal= {arXiv preprint arXiv:2002.05966},
year = {2020}
}
备注
8 pages, 5 figures, code is available on https://github.com/haohao11/MCENET