2024年04月10日下午16:30，TOPS第140期组会于通达馆A102会议室线下举行。本次组会由2019级博士李建强与大家交流讨论《城市道路交叉口非机动车轨迹预测》的相关内容。课题组老师同学出席了本次组会。

会议开始前，倪颖老师介绍了李建强的研究主题。

汇报时刻

李建强首先介绍了研究背景。现阶段自动驾驶车辆（AV）与非机动车存在频繁交互，而非机动车具有更高的主动安全需求，而准确的轨迹预测是实现机非安全交互的前提。而目非机动车的随机行为、骑行车具有异质性以及群体骑行行为导致非机动车轨迹预测存在较大难点，对于非机动车轨迹预测，准确的“决策→轨迹”机制是基础，关键在于解决骑行者异质性和重点考虑群体效应。

汇报内容

接着介绍了研究现状。主要围绕非机动车轨迹预测方法、行为建模方法和人因影响几个角度来介绍。对于轨迹预测方法，目前研究主要集中于机动车-行人领域，通用模型在非机动车表现较差，目前多主体交互建模仅考虑基于轨迹相似性的合作性而无法进一步解释交互关系；对于非机动车行为建模方法，研究多构建“感知-决策-执行”框架或“战略-战术-执行”框架；对于骑行者人因影响，大多研究是针对执行动作的激进程度，缺乏人因对决策的影响建模。

汇报内容

基于研究背景和现状，提出“基于骑行者偏好决策的非机动车轨迹预测方法”。对于随机行为，基于骑行者偏好决策过程，建立从决策到轨迹的一般性预测框架，实现个体初步预测；

针对异质性骑行者，定义骑行者的决策特征，基于预测反馈实现参数自学习，并利用基线预测模型实现动态预测。并且从个体应用拓展至群体应用，考虑群体效应，构建适合骑行者的群体交互框架，并利用多骑行者的偏好学习捕捉群体骑行的复杂决策，实现多骑行者的轨迹预测。

汇报内容

针对研究内容1基于偏好基于偏好决策的个体轨迹预测，对骑行者决策过程进行解耦，并基于深度学习进行轨迹生成。利用对仙霞路-剑河路交叉口高空视角拍摄视频数据，提取机动车和非机动车轨迹点位置、速度、加速度、曲率等特征，分析证明了所提出方法的有效性。

汇报内容

针对研究内容2基于决策特征自学习的个体动态轨迹预测，为解决长尾困境和应对动态且异质的骑行者行为，提出基于决策参数动态估计建模思路。基于决策偏好的自学习预测框架主要包括激进水平自学习和理性水平自学习两条路线，包括特征识别、在线学习和预测反馈三个模块。通过分析证明自学习模型可以有效提升对长尾样本的预测准确性。

汇报内容

针对研究内容3 群体效应下的多骑行偏好学习与轨迹预测，对于复杂交互现象，提出双层交互框架，主要模块包括骑行车的策略编码模块、历史轨迹演化模块，其他交通参与者的历史轨迹演化模块，及二者交互的双层交互模块，并对交互关系进行量化。通过消融试验，证明了各模块的有效性，所提出的模型能够捕捉到的安全-效率偏好可以合理地解释骑行者的决策动机。

汇报内容

最后李建强对研究内容进行总结。

汇报内容

在交流讨论环节，2021级博士王诗菡对基于决策偏好的自学习预测框架中的理性水平和激进水平的关系进行提问；2021级博士房世玉对不使用机器学习直接生成多模态轨迹集的原因、长尾困境的定义、效用熵作用之处进行提问；2022级硕士杨宇豪对于如何从宏观上如何定义理性水平和激进水平、消融试验中安全编码和效率编码作为输入的原因进行提问；2023级硕士叶轶淳针对非机动车轨迹预测的误差进行提问；2020级博士赵晓聪提出了机动车轨迹预测研究中会进行误差量化的思路；2023级博士黄奕龙针对轨迹识别误差评估、骑行者交互关系量化进行提问。

孙杰老师对自学习预测框架中的效用函数的作用、如何确定理性水平进行提问；岳李圣飒老师对于个体对于安全考虑是否进行时序变化进行提问；田野老师关于机动车和非机动车中的不确定性、非机动车轨迹预测是否能够应用于指导自动驾驶决策、采集的数据能否生成更多场景，例如自行车比赛场景进行了探讨；杭鹏老师对于模型落地于实车进行了建议；秦国阳老师对轨迹生成的方式进行提问；孙剑老师提出建议，对于非机动车希望能够更加关注对自身决策产生影响的轨迹预测精度、如何提升精度以及影响精度的因素，并且提出仅仅依靠动力学特征存在不足，是否需要将骑车人的姿态纳入考虑，同时建议研究需要明确交通专有名词的定义、始终遵循观察现象-建模-解释机制的研究过程。

至此，本次组会圆满结束。