自动驾驶深度学习(第15/100天)预测模块:其他车辆和行人下一步要去哪?

阅读约12分钟 | 关键词：意图预测、轨迹预测、多模态、交互式预测、TTC

感知模块告诉我们在“哪里”有什么物体。接下来，智驾系统需要回答一个更关键的问题：这些物体接下来会做什么？ 是直行、刹车、变道，还是横穿马路？这个任务由预测模块承担。

预测的准确性直接影响决策规划：如果低估了旁车加塞的意图，自车可能急刹；如果高估了行人过马路的速度，可能错过通行窗口。今天，我们讲清楚预测模块的工作原理、技术挑战和主流方法。

🧭 一、预测模块要输出什么？

给定过去几秒的观测（位置、速度、朝向、甚至环境信息），预测模块需要输出：

· 意图预测：分类任务——目标最可能采取的驾驶行为（如保持车道、左变道、右变道、停车等）。
· 轨迹预测：回归任务——未来若干秒内的具体位置点序列（通常是一组可能的轨迹，附带概率）。
· 不确定性估计：每条预测轨迹的置信度，或输出的概率分布。

自动驾驶通常需要预测未来3-5秒，频率10-20Hz。

🧠 二、预测为什么困难？

1. 交互博弈

车辆和行人的未来行为不是独立的。当你打灯准备变道时，旁边车道的后车可能加速、减速或维持不变。预测需要建模多智能体之间的相互影响，这比单物体预测复杂一个数量级。

2. 意图的多模态性

一辆车在路口可能左转、直行或右转。人类驾驶员会根据信号灯、交通流、甚至周围车辆的意图来决策，但对算法来说，这需要海量数据和场景理解。

3. 长尾与非常规行为

双闪靠边停车的故障车、突然开门下车的乘客、掉头的自行车……这些行为在训练数据中很少见，但一旦发生，预测错误可能导致事故。

4. 观测噪声与遮挡

感知模块输出的位置和速度本身有噪声。遮挡后重新出现的目标，其瞬时速度和朝向可能有跳变，预测模型需要平滑处理。

🛠️ 三、主流预测方法

1. 基于物理模型（传统）

使用运动学/动力学公式外推，例如：

· 匀速模型：假设保持当前速度。
· 匀加速模型：假设加速度恒定。
· 卡尔曼滤波：融合观测与模型，预测下一时刻状态。

优点：简单、快速、不依赖数据。
缺点：无法预测意图变化（如变道）；长时间预测误差大。

物理模型常用于短期预测（0.5秒内），或作为学习方法的基线。

2. 基于意图的预测（模块化）

两步走：先预测意图（如是否变道），再在给定意图下预测轨迹。

· 意图预测：用分类器（如SVM、LSTM）根据历史轨迹、周围环境、交通规则等输出意图概率。
· 轨迹预测：为每种意图训练一个轨迹回归模型（如条件变分自编码器CVAE）。

优点：可解释性强，意图明确。
缺点：意图类别有限，难以覆盖所有可能行为。

3. 基于深度学习的直接轨迹预测（端到端）

输入历史轨迹+环境上下文（如车道线、红绿灯、周围车辆），直接输出未来轨迹。

· 循环神经网络（RNN/LSTM）：处理时序数据，常用于编码历史轨迹。
· 图神经网络（GNN）：建模车辆之间的交互（将每个车辆视为节点，交互关系为边）。
· Transformer：通过自注意力捕捉长距离依赖和交互。
· 生成式模型：CVAE、GAN等用于输出多模态（多种可能）轨迹。

代表工作：Waymo的VectorNet、Argoverse的LaneGCN、Tesla的交互式预测。

4. 基于学习的物理结合

混合方法：用神经网络学习残差或修正项，叠加物理模型的基础预测，既保证了短期准确性，又拥有长时预测能力。

🔁 四、预测与下游模块的耦合

预测模块的输出不是孤立的。好的设计会形成闭环反馈：

· 决策规划模块：将预测轨迹作为输入，规划自车的避让或跟车行为。如果预测某车可能切入自车道，决策模块可以提前减速让行。
· 感知模块：预测可以帮助感知。例如，预测前方车辆将被遮挡，感知模块可以提前准备模板匹配。
· 仿真测试：预测模型需要在仿真中与各种对抗性行为对抗训练，提升鲁棒性。

📊 五、常用数据集与评价指标

开源数据集：

· Argoverse 1/2：大量真实驾驶轨迹，提供地图信息。
· Waymo Open Motion Dataset：高质量多模态轨迹。
· nuScenes：包含波士顿、新加坡的复杂场景。

评价指标：

· ADE（Average Displacement Error）：平均预测位置与真实位置的距离。
· FDE（Final Displacement Error）：最后一帧预测位置与真实位置的距离。
· Miss Rate：预测轨迹与真实轨迹的偏离超过阈值的比率。
· minADE/minFDE：多模态预测中，取最接近真实轨迹的那条计算。

当前SOTA（State of the Art）方法在Argoverse上的minADE约0.5-1.0米（预测3秒），仍远未达到人类水平。

🚗 六、特斯拉/小鹏等是如何做的？（产品视角）

· 特斯拉：基于HydraNet的多任务网络，预测与感知共享特征。2024年FSD V12端到端后，预测模块被隐式集成在单一网络中，不再有明确的独立预测模块。
· 华为ADS：采用自研的“交互式预测”网络，结合高精地图车道拓扑，输出多模态轨迹，用于城市NOA博弈。
· 小鹏XNGP：基于Transformer的预测模型，能输出10条以上可能的轨迹，决策模块选择最安全的一条。

📌 今日思考题

1. 假设一辆车在高速上行驶，右侧车辆打灯准备变道到自车前方。预测模块需要输出哪些可能的意图和轨迹？决策模块应该如何应对？
2. 为什么说“交互式预测”比独立预测每个物体更符合真实驾驶环境？

关键词回顾
意图预测 轨迹预测 多模态 交互式预测 ADE/FDE Transformer

🎯 明天预告（第16天 / 动态篇）

结合今天的预测知识，解读一则行业事件：某品牌NOA对旁车切入预测失误导致急刹引发追尾，分析预测模块和决策逻辑的缺陷。

本系列为100天深度学习计划，每日1篇。欢迎随时提问。