STRAP：面向自动驾驶的空间-时间风险注意车辆轨迹预测
机器学习
2025-07-15 v2
摘要
准确的车辆轨迹预测是确保完全自动驾驶系统安全和效率的关键。虽然现有方法主要关注建模观察运动模式和与其他车辆的相互作用，但往往忽略周围车辆不确定或激进行为所潜在的风险。本文提出一种新型空间-时间风险注意轨迹预测框架，引入风险势场来评估来自周围车辆行为的感知风险。该框架利用空间-时间编码器和风险注意特征融合解码器，将风险势场嵌入提取的空间-时间特征表示中用于轨迹预测。进一步设计风险比例损失函数以提高高风险场景（如短相对间距）的预测准确性。在广泛使用的 NGSIM 和 HighD 数据集上实验表明，与最新方法相比，本方法在平均预测误差上分别降低 4.8% 和 31.2%，尤其在高风险场景中效果显著。该框架提供可解释的风险感知预测，助力自动驾驶系统实现更稳健的决策。
引用
@article{arxiv.2507.08563,
title = {STRAP: Spatial-Temporal Risk-Attentive Vehicle Trajectory Prediction for Autonomous Driving},
author = {Xinyi Ning and Zilin Bian and Dachuan Zuo and Semiha Ergan},
journal= {arXiv preprint arXiv:2507.08563},
year = {2025}
}
备注
6 pages, 3 figures, accepted at ITSC 2025