面向交互感知高速公路驾驶的按需轨迹预测

由于高车速与密集交通中的复杂交互，高速公路驾驶对人类驾驶员和自动驾驶车辆（AVs）都提出了重大需求。汇入高速公路通过限制决策可用时间带来了额外挑战。准确且快速地预测他人轨迹对于安全执行机动至关重要。许多现有的基于神经网络的预测方法专注于建模交互以取得更好精度，同时假设存在超过3秒长的观测窗口。本文提出一种新颖的概率轨迹预测模型，仅用少至400毫秒的观测即可取得有竞争力的表现。所提模型通过将模型参数视为未知随机变量并引入正则化项，将确定性的跟车模型扩展到概率设定。推导了一种实时推断流程，以从该新模型的观测中估计参数。在NGSIM数据集密集交通上的实验表明，所提方法在高度受限与传统观测窗口下均达到了最先进性能。