2020年7月30日18:00，TOPS课题组第80期组会在通达馆A436线上线下同时召开。本次组会由19级博士生李建强对《交叉口直行非机动车轨迹预测》相关研究进行了汇报。参会人员包括孙剑教授、倪颖副教授、田野副研究员和课题组全体成员。

对周围其他交通参与者进行准确的轨迹预测是自动驾驶车辆处理复杂交通环境的关键。而非机动车运动行为自由度高、交互行为复杂，预测非机动车轨迹是自动驾驶车辆在交叉口的重大挑战。目前对于轨迹预测已有的研究主要集中在意图识别、交互行为、不确定性预测三部分，但已有研究主要针对机动车，针对非机动车的研究成果较少。

为了对非机动车的轨迹进行预测，李建强以直行非机动车轨迹数据为数据集，利用ConvLSTM和Social-LSTM模型预测轨迹。ConvLSTM模型可以有效提取局部高等级特征，并利用LSTM的优势进行序列预测；Social-LSTM模型可以利用LSTM之间信息共享对的非机动车复杂交互行为进行建模。然后，对于不同模型轨迹预测出现的误差原因进行了总结分类，得出Social-LSTM有较强的交互行为建模能力，但多预测主体和邻域的存在使模型稳定性较差，对数据依赖性较重，ConvLSTM模型对输入特征值的依赖较大，若输入特征不够客观会引起系统性偏差。最后，针对这些误差原因有针对性地提出了解决方法。

接下来，大家就汇报人李建强的汇报内容进行了讨论，周华骏首先提出了环境多交互和异质性信息如何以固定的数据格式输入的难点，并讨论了方法层的相关问题；邱树涵提出卷积对象的疑问；刘晗提出以宏观定性指标对研究进行总体评价的建议，并指出研究可以更加关注意图预测，从行为出发预测轨迹更加合理；刘启远肯定了研究的方法论非常全面，同时提出研究缺少对行为特征的分析；倪颖老师提出交通主导与算法主导在此研究上的平衡问题，并建议将膨胀特征与学习模型结合起来。 最后孙剑老师对汇报内容予以点评，并提出应该首先关注研究问题的出发点，调整思维惯性的建议。

汇报结束后，孙剑老师与课题组成员讨论了新生津贴与暑假离校问题，并叮嘱大家假期注意人身安全。