基于原型轨迹的高速公路变道预测

自动驾驶的愿景是在提高道路安全性和效率的同时，为乘客提供便捷的出行体验。这要求自主系统正确估计当前交通场景及其可能的演变。在高速公路场景中，尽早识别切入 maneuvers 对于风险感知的 maneuver 规划至关重要。本文提出一种统计方法，其有利地利用一组原型变道轨迹，实现对交通参与者的早期 maneuver 检测与不确定性感知的轨迹预测。从真实交通数据生成原型轨迹通过凝聚式层次聚类完成。在聚类过程中，优化了聚类原型之间的对齐，并在两个聚类合并时限制了所得原型的凝聚性。在预测阶段，评估观测车辆运动与数据库中典型变道模式的相似性，以构建一组显著特征，用于通过增强决策树进行 maneuver 分类。未来轨迹在混合模型中结合典型变道实现进行预测。基于 B 样条的轨迹调整保证了从实际观测到的车辆状态到预测车辆状态过渡期间的连续性。定量评估结果证明，与先前实现的参考方法相比，所提出的概念在 maneuver 和轨迹预测方面均具有改进的性能。