自动驾驶行为预测综述 _自动驾驶行为预测

行为预测是指根据过去物体的运动轨迹，预测物体将来一小段时间内的运动轨迹。主要包括行人轨迹预测和车辆轨迹预测。

行为预测是指根据过去物体的运动轨迹，预测物体将来一小段时间内的运动轨迹。主要包括行人轨迹预测和车辆轨迹预测。

这里主要是对2014年的一篇综述论文《a survey on motion prediction and risk assessment for intelligent vehicles》进行分析。

为什么需要行为预测？
因为预测可以提高规划控制的稳定度和舒适度。以图1为例，假设我们发现前面有一辆车要左转，如果我们不预测前面车辆的意图，我们当前有3种选择，第一种直行，第二种右转，第三种左转。可以看到左转是最差的选择，直行其次，最好的选择是右转，可以避免紧急停车或者交通事故，而且可以提前规划出一条比较舒适的轨迹，对自动驾驶汽车来说，可以规划出一条容易控制的轨迹。

文章插图

图1 汽车行为预测示意图
预测特点
知道了为什么需要行为预测，那么预测有哪些特点呢？

Tracking是预测的基础 - 前面我们介绍了大量轨迹追踪的工作，进行轨迹追踪的目的就是为了轨迹预测。就好像预测股票走势，需要通过股票的历史轨迹来预测将来的轨迹，如果只是根据当前的点位来进行预测，极有可能会偏差很大。所以如果我们提前把物体的运动轨迹保存起来，然后进行分析预测，这样就能够大大提高预测的准确性，所以说Tracking是预测的基础。

预测只能预测一小段时间内会出现的情况 - 由于预测都是基于概率和经验的假设，而且车和车之间，车和环境之间都会相互影响，因此只要一个变量改变，那么其它的变量可能会跟着改变，因此无法预测未来很长一段时间的情况。

问题定义
接下来我们对预测进行问题进行定义，把预测抽象为一个数学问题，那么什么是预测呢？

我们可以把预测的轨迹抽象为一个个点(xt, yt)，一直从t时刻到t+m时刻，其中有N个车，因此就有N条轨迹。下式就代表预测N个车辆从t时刻到t+m时刻的轨迹集合。

那么预测问题，就可以抽象为预测这个轨迹集合的概率分布。

文章插图

方法分类
根据问题的定义，我们可以对自动驾驶轨迹预测的方法分为3类。

Physics-based motion models 物理模型
Maneuver-based motion models 意图模型
Interaction-aware motion models 交互模型

我们先通过一张图来了解这3种方法的区别。

文章插图

图2 3种预测模型的区别

可以看到物理模型只是通过车辆的运动模型来进行预测，没有考虑到交通规则和其它车的交互，因此当经过路口的时候和行驶的车辆发生了碰撞。意图模型理解了交通规则，在路口时停车了，并且经过路口的时候也会对车辆进行避让，但是由于没有和其它车的交互，因此可能会出现碰撞，也可能导致汽车规划出一条很急的轨迹。最后交互模型考虑了交通规则，并且知道有车辆靠近，因此会等待直行的车辆经过之后再左转。

下图是三种模型的对比，输入的参数，挑战和用到的方法。