智能网联汽车轨迹预测研究现状与趋势

摘要

围绕现有轨迹预测方法展开研究，给出轨迹预测的数学模型、数据集及评估指标。介绍轨迹预测研究现状，重点回顾基于数据驱动的轨迹预测方法，包括深度学习和强化学习。同时，从时空建模、交互信息、场景上下文等方面，对比、分析、归纳现有研究方法的网络模型结构、优势和适用场景。进一步探讨多智能体、多模态轨迹预测的研究趋势，并指出轨迹预测结合大语言模型这一前瞻性趋势。强调智能驾驶场景下轨迹预测技术面临的挑战，展望了轨迹预测未来发展。

关键词

自动驾驶 / 轨迹预测 / 数据驱动 / 数据集 / 评价指标