摘要
近年来自动驾驶技术的研究和开发不断加速，许多大学和研究机构在此领域进行了大量的基础研究，市场中搭载自动驾驶技术的车型也越来越多，随着相关方法的不断完善，自动驾驶技术在未来几年内都具有良好的发展潜力。提升自动驾驶车辆的决策能力，使其能够做出合理决策是自动驾驶技术推广的关键，而多运动目标环境下自动驾驶车辆预测其他车辆行为的能力会直接决定其决策的合理程度，这就带来了如何提升智能驾驶车辆在多种场景中进行多种目标未来轨迹协同预测的准确度的需求。 多目标轨迹预测是指利用计算机视觉、强化学习和深度学习等技术，对场景内多个运动目标在一个相对较短的时间内将要采取的移动行为进行预测的过程，属于无人驾驶领域的一个重要内容。由于一定空间范围内的多个智能体运动目标会产生明显的社会交互影响，所以多目标的轨迹预测问题中需要联合预测场景内有相互影响的所有目标，这就带来了如何计算多目标之间社会交互并解决计算社会交互时的复杂的数学表达导致的计算困难和局限性，为了更合理地对社会交互进行处理，从而进一步提高轨迹预测的准确性，需要面临几个技术难点：如何用可解释的方法表现多个目标之间包含多种因素的社会交互特征，使用一个便于计算和准确的社会交互表达方式对后续的处理有很大的帮助；如何整合地图、运动目标类别与行为模式、轨迹的时间-空间维度特征等信息，用于多目标交互的计算，整合多类别信息的能力对于拓展预测场景有关键作用，同时也有较大的难度；如何客观全面地评估目标间交互处理带来的预测效果提升并减少运动意图不确定性给评估带来的影响，社会交互问题的考虑是否能为模型的预测效果带来提升，以及提升幅度有多少，都是衡量社会交互计算方法是否合理的重要评价方式，因此设计合理的验证实验是非常重要的。为了解决以上问题，本研究进行了以下方面的研究： （1）基于图结构神经网络方法表示场景数据，通过图结构体现可解释的社会交互，利用神经网络的数据驱动和端到端输出特性解决社会交互影响因素复杂且不确定带来的计算方面的挑战。提出了一个用于高速路车辆轨迹预测的ASTGCNN模型（Attention-basedSpatio-TemporalGraphConvolutionalNeuralNetwork），该模型强调车辆间的相互作用和时空特征，每辆车的历史轨迹信息都被转换成图结构数据，通过建立多头自关注机制来量化多条轨迹之间的相关性，再由此形成邻接矩阵，反映图结构数据中节点之间的交互强度，解决了传统图卷积网络只能关注静态局部信息来计算社会交互的局限，然后利用时空图卷积网络从轨迹特征中提取空间和时间特征，最后通过多步时间外推卷积神经网络（TXP-CNN）预测未来轨迹，实现了高速路场景的多车轨迹协同预测。 （2）使用基于Transformer网络的分层编码器，建立了在多种场景尺度下依次对所有维度进行特征提取方法，以获取包含多方面信息的目标轨迹编码，再结合对应的解码器进行各种特征的处理和使用。为了在城市道路中进行轨迹预测，本研究在ASTGCNN上更进一步，提出了SANet模型（SceneAnchor-basedTransformer），该模型使用基于Transformer的编码器考虑了更加全面的数据特征，包括地图信息、社会交互信息和全局特征信息，并通过在解码器上引入锚点轨迹方法，解决了之前轨迹预测模型无法关注全局信息而失去一部分预测依据的问题，提升了模型的预测性能，实现了城市场景下多类型目标的多模态轨迹协同预测，拓展了模型适用的场景范围。 （3）利用多模态轨迹输出来使用多条可能存在的轨迹表示未来运动方向，消除运动意图不确定性带来的影响，在实验中使用多个评价指标对预测轨迹的误差进行多个数据集下的定量分析，结合主客观评价衡量模型预测的轨迹质量，并通过消融实验对比各部分交互编码器对于最终结果的影响。
NETL