一种动态场景交互推理框架，用于场景级多交互车辆换道意图与轨迹预测

# 一种用于多交互车辆场景级车道变换意图和轨迹预测的动态场景交互推理框架 来源：https://arxiv.org/html/2607.09740

\[orcid=0009-0002-3258-0479\] 网址：https://joshuakasamoah.github.io/  
\credit{本研究概念化、方法论、撰写初稿、审阅与修改}  
1] 机构：北达科他州立大学，地址：1410 14th Avenue Offerdahl North Building, CIE 201，城市：法戈，邮编：58102，州：北达科他，国家：美国  

\[orcid=0009-0006-6360-6386\] 网址：https://blessing-agyei-kyem.github.io/  
\credit{数据管理、撰写审阅与编辑、验证}  

\[orcid=0009-0001-7597-6732\]  
\credit{数据管理、方法学、撰写审阅与编辑、验证}  

\[orcid=0000-0002-1605-1545\] \cormark[1] 网址：https://aboaharmstrong.vercel.app/  
\credit{本研究概念化、方法学、撰写初稿、审阅与编辑、监督}  

\cortext[cor1]{通讯作者}  

\nonumnote  
\nonumnote  
Blessing Agyei Kyem：[email protected]  
Eugene Denteh：[email protected]  
Armstrong Aboah：[email protected]  

\[  
###### 摘要  

高级驾驶辅助系统和自动驾驶车辆的安全运动规划需要准确理解周围交通场景可能如何演变。然而，许多现有的车道变换预测方法仍以单个目标车辆为中心，而多智能体预测方法通常仅通过未来位置描述场景演变，对每辆车关联的机动行为提供有限的显式信息。本研究提出了一种动态场景图注意力框架，用于预测局部交通场景中每辆相关车辆的车道变换意图和未来轨迹。场景被表示为一个时变交互图，其中车辆被建模为节点，其空间和运动学关系通过显式边特征进行编码。时间图注意力消息传递捕捉不断变化的车辆间依赖关系和机动前线索，而意图引导的解码器将每个预测的机动行为与其对应的未来运动联系起来。场景级一致性目标进一步鼓励兼容的多车辆未来状态。在NGSIM I-80、NGSIM US-101和highD数据集上的实验表明，相比竞争基线方法，该方法取得了持续改进。DSiGAT在NGSIM I-80和US-101上分别达到了90.12%和90.97%的意图预测准确度，并将轨迹均方根误差相对于最强基线降低了高达52.94%。同时，它产生了更低的智能体间碰撞率和联合位移误差，表明场景级预测更为一致。消融分析、敏感性分析、鲁棒性分析和定性分析进一步验证了所提出组件的贡献以及以场景为中心公式化的有效性。  

###### 关键词：  
车道变换意图预测 \sep 轨迹预测 \sep 动态场景图 \sep 图注意力 \sep 自动驾驶  

## 1 引言  

高级驾驶辅助系统和自动驾驶车辆需要预判周围交通环境可能如何演变，以便做出安全、及时的驾驶决策。尽管感知系统描述了当前的交通场景，但规划要求理解该场景在接下来几秒内可能如何变化。这在混合交通中具有挑战性，因为附近多辆车可能同时行动，并影响自车可用的行动空间。仅聚焦于某一选定车辆的预测只能提供未来交通状况的部分视图。因此，可靠的规划需要将参考车辆以及所有相关周围车辆的行为置于同一局部交通场景中考虑。在这个不断演变的交通场景中，车道变换是高级驾驶辅助系统和自动驾驶车辆需要预测的最重要行为之一。车道变换影响的不仅是执行机动的那辆车，它会改变车道占用、可用间隙以及前后车关系，从而可能改变附近多辆车的行为。由此产生的交通响应分布在整个局部场景中，而非局限于单一车辆。因此，车道变换预测必须考虑参考车辆以及可能影响或响应机动的周围车辆的未来行为。  

现有的车道变换预测方法通过利用车辆运动学、周围交通信息以及学习到的交互特征，在预测未来机动方面取得了显著进展。早期方法依赖于概率模型和手工设计的描述符，而近年研究则采用了机器学习和深度学习架构，包括循环、卷积、基于图和变换器模型。尽管取得了这些进展，许多方法仍然围绕预定义的目标车辆进行公式化。周围车辆被用来提供上下文信息，但它们自身的未来行为并未在同一场景中被预测。这种以目标为中心的公式化限制了模型表示局部交通场景中多辆车如何共同演变的能力。  

为了超越以目标为中心的预测，近期的轨迹预测研究越来越多地采用多智能体公式化。这些方法对同一交通场景中的多辆车进行建模，并学习它们的未来运动如何受周围交互影响。社交池化、图神经网络和基于变换器的场景编码器已被广泛用于表示这些依赖关系，并在密集交通环境中提高预测效果。这一转变通过预测多个交互车辆的运动（而非孤立地处理每辆车），实现了更广泛的场景演变视角。然而，由此产生的场景表示通常仍以未来位置为中心，对每辆车的车道变换行为缺乏显式表征。  

尽管多智能体预测已将范围从单个车辆扩展到更广泛的交通场景，但大多数现有场景表示仍围绕未来位置展开。这限制了它们解释在车道变换交互过程中场景如何演变的能力。一条预测轨迹可以表明车辆可能移动到的位置，但无法显式地标识车辆是意图保持车道、向左变道还是向右变道。在场景层面，这一缺失的行为信息至关重要，因为一辆车的机动可以改变附近多辆车的可用间隙、运动约束和可能响应。因此，核心挑战在于以某种形式表示未来交通场景，使其既能显式捕捉每辆相关车辆的车道变换行为，又能捕捉对应的运动。  

为解决这些限制，本文提出了一种**动态场景交互图注意力网络**（DSiGAT），用于混合交通中场景级联合车道变换意图和轨迹预测。该框架不选取一个指定的目标车辆并将所有其他车辆视为被动背景，而是将局部交通场景表示为一个动态交互图，其中车辆被建模为节点，其时变关系被编码为有向边。然后利用基于图注意力的消息传递在整个场景中传播交互信息，并学习反映每辆车在其他车辆背景下的行为的表示。基于这些共享的场景表示，该框架预测场景中所有有效车辆的车道变换意图和未来轨迹。  

所提出的框架还引入了机动预测与运动预测之间的显式耦合。对于每辆车，预测的意图分布被用来指导轨迹解码器，使得预测的机动与预测的未来路径保持语义对齐。此外，该框架在训练过程中融入了场景级物理一致性约束，以阻止车辆间互不兼容的未来状态。这一设计超越了仅关注单车预测精度的思路，旨在产生既信息丰富又连贯一致的整体场景级预测。因此，本工作的主要贡献总结如下：  

1. 将车道变换预测公式化为一个场景级多智能体问题，在一个统一框架内预测局部交通场景中所有有效车辆的机动意图和未来轨迹。  
2. 开发了一个动态场景交互图，通过有向图构建和基于图注意力的消息传递来表示车辆间随时间变化的空间和运动关系。  
3. 引入了一种意图引导的轨迹解码机制，将每辆车的预测机动与其对应的未来运动关联起来。  
4. 融入了场景级一致性约束，惩罚互不兼容的未来轨迹，促进物理上连贯的多车辆预测。  

本文其余部分组织如下。第2节回顾相关文献。第3节描述数据处理和场景构建流程。第4节介绍所提出的DSiGAT框架和训练目标。第5节介绍数据集、实验方案和评估指标。第6节呈现定量分析、定性分析、消融分析、鲁棒性分析、敏感性分析、场景级分析和效率分析。第7节总结全文。  

## 2 文献综述  

在本节中，我们回顾与本文工作相关的主要研究路线。首先考察车道变换意图预测方法，这些方法旨在分类周围车辆的未来机动决策。然后讨论车辆轨迹预测方法，特别关注考虑车辆间交互的多智能体模型。最后，综述联合意图-轨迹预测框架，并基于此讨论当前多交互车辆场景级预测中存在的空白。  

### 2.1 车道变换意图预测  

车道变换意图预测最初被公式化为针对选定车辆的决策或分类问题。早期研究依赖于可解释的行为规则和手工设计的驾驶特征。例如，Gipps（1986）通过基于规则的行为模型描述了车道变换，而Mandalia和Salvucci（2005）以及Kumar等人（2013）使用支持向量机分类未来机动。Kumar等人进一步将多类支持向量机输出与贝叶斯滤波相结合，支持高速公路交通中的在线预测。驾驶员监控研究也考察了可观察的车辆运动之前的线索。Doshi和Trivedi（2009）表明，注视和头部动态可以比仅依靠车辆运动学更早地揭示机动意图，而Kim等人（2017）展示了增强型车载感知在意图识别中的价值。类似地，Liu等人（2020）将周围车辆移动性纳入隐马尔可夫模型。尽管这些方法提供了可解释的预测，但它们对手动选择特征的依赖限制了表示长期时间模式和复杂交互的能力。  

更大规模的自然驾驶数据集的出现推动了该领域向数据驱动的时序建模发展。Lee等人（2017）将卷积神经网络应用于简化的鸟瞰交通表示，而Xing等人（2020）使用集成双向LSTM整合驾驶员、车辆和交通信息。Shi和Zhang（2021）解决了基于LSTM的意图预测中的类别不平衡问题，Wang等人（2021a）引入了一种具有贝叶斯阈值调整的自适应LSTM，以适应变化的交通条件。这些研究改进了时序依赖关系的表示，并减少了对手工定义决策规则的依赖。  

近期的方法融入了注意力机制、变换器和基于图的表示，以捕捉更丰富的上下文信息。Ren等人（2025）将XGBoost和LSTM组件与交通层面和车辆类型特征相结合。Gao等人（2023）提出了一种双变换器架构用于耦合的意图和轨迹预测，而Liu等人（2024a）使用变换器对眼动追踪、前车和来车线索进行建模。Huang等人（2024）