深度学习技术的演变及其在车辆轨迹预测中的挑战

《IEEE Open Journal of Intelligent Transportation Systems》：Evolution of Deep Learning Techniques and Challenges for Vehicle Trajectory Prediction

　　

摘要：

精确的车辆轨迹预测（VTP）在智能交通系统和自动驾驶的发展中起着至关重要的作用。它能够提升对交通状况的感知能力，优化复杂交通场景下的决策过程，并提高安全性。尽管已有许多研究综述了车辆轨迹预测的方法，但从系统和建模的角度对近期基于深度学习的方法进行全面回顾仍然不足。为填补这一空白，我们通过对模型设计中的新兴趋势进行批判性分析，对基于深度学习的方法进行了系统的文献回顾。我们提出了一种以系统为导向的车辆轨迹预测方法分类体系，涵盖了经典方法、基于强化学习的方法、协作方法和基于深度学习的方法，并评估了这些方法在模拟不确定性、车辆间交互以及动态交通行为方面的能力。该综述强调了影响基于深度学习模型性能的三个关键方面：数据预处理和特征提取、模型构建以及注意力机制。我们对基于深度学习的方法从多个设计维度进行了深入分析，包括时间建模策略、交互编码方式、建模能力、适用的应用场景以及其在轨迹预测方面的主要优势。最后，我们讨论了当前的研究挑战，并为下一代自动驾驶中的VTP提出了实际建议。