驾驶风格时空Transformer

轨迹预测精度提升

融合驾驶风格的时空Transformer模型，可自适应预测不同驾驶行为的车辆轨迹，提升复杂交通场景下的预测准确性与鲁棒性。

Cui, Yaping · Zhifei, Wan · Mengquan, Pan · He, Peng · 吴大鹏 · Wang, Ruyang Yan

Engineering Applications of Artificial Intelligence 2026

参数信息

RMSE降低

81.58 %

FDE降低

22.51 %

技术优势

性能大幅领先

在HighD和ApolloScape数据集上持续优于基线模型，验证了其高准确性和鲁棒性。

自适应驾驶风格

通过风格注意力模块融合驾驶风格、运动状态和交互特征，实现针对不同驾驶行为的自适应预测。

长时预测更准

在ApolloScape数据集上将FDE降低22.51%，表明其具有较强的长时预测能力。

应用场景

• 自动驾驶轨迹预测：为自动驾驶车辆提供更准确、鲁棒的周围车辆轨迹预测，提升行车安全性。
• 车辆行为预测：考虑驾驶风格，预测不同驾驶员的车辆行为，用于主动安全或交互决策。
• 智能交通系统：提升交通系统中车辆轨迹预测的准确性，支持更高效的交通管理和协同驾驶。
• 驾驶行为建模：将驾驶风格建模纳入预测模型，增强对多样化驾驶行为的表征和预测能力。