面向自动驾驶的行人行为预测：需求、指标与相关特征

自动驾驶车辆需要全面理解交通状况以确保安全和预见性驾驶。在此背景下，行人预测尤其具有挑战性，因为行人行为可能受多种因素影响。本文中，我们通过系统级方法深入分析了自动驾驶中行人行为预测的需求。为此，我们研究了真实世界中行人与人类驾驶车辆的相互作用。基于人类驾驶行为，我们推导出自动驾驶车辆的适当反应模式，并确定对行人预测的需求。这包括一种为从系统级视角衡量预测性能而定制的新型指标。所提指标在包含数千个真实世界行人-车辆交互的大规模数据集上进行了评估。此外，我们进行了消融研究以评估不同上下文线索的重要性，并将这些结果与使用既有行人预测性能指标获得的结果进行比较。我们的结果凸显了系统级方法对行人行为预测的重要性。