交通感知式行人意图预测
计算机视觉与模式识别
2025-07-17 v1 系统与控制
系统与控制
摘要
精准的行人意图估计对于自动驾驶车辆（AVs）的安全导航至关重要，因此受到广泛关注。然而，现有模型往往未充分考虑动态交通信号和情境场景信息，这些因素对实际应用至关重要。本文提出了一种交通感知式时空图卷积网络（Traffic-Aware Spatio-Temporal Graph Convolutional Network, TA-STGCN），将交通信号及其状态（红、黄、绿）纳入行人意图预测。我们的ethods方法引入了动态交通信号状态和边界框大小作为关键特征，使模型能够捕捉复杂城市环境中的空间和时间依赖性。该模型在准确性上超越了现有方法。具体而言，TA-STGCN 在PIE数据集上比基线模型提高了4.75%的准确率，展示了在改进行人意图预测方面的有效性。
引用
@article{arxiv.2507.12433,
title = {Traffic-Aware Pedestrian Intention Prediction},
author = {Fahimeh Orvati Nia and Hai Lin},
journal= {arXiv preprint arXiv:2507.12433},
year = {2025}
}
备注
6 pages, 4 figures. Accepted to the American Control Conference (ACC) 2025