类型a：学术研究报告

作者及机构
本研究由Kathrin Donandt（德国杜伊斯堡-埃森大学船舶技术、海洋工程与运输系统研究所）与Dirk Söffker（德国杜伊斯堡-埃森大学动力学与控制系）合作完成，论文发表于2023年IEEE智能交通系统国际会议（IEEE SMC），DOI编号为10.1109/SMC53992.2023.10394158。

学术背景
研究领域为自动驾驶系统的轨迹预测，核心科学问题是如何通过深度学习模型提升目标主体（Target Agent, TA）在复杂交通环境中的轨迹预测精度。传统方法依赖LSTM（长短期记忆网络）和CNN（卷积神经网络）的混合架构，但存在计算效率低、无法实时处理动态环境交互的缺陷。本研究提出一种基于Transformer的时空情境感知模型（SOSP-CT），旨在通过改进社会张量（Social Tensor）定义和空间上下文嵌入方法，解决现有模型对周围主体（Surrounding Agents, SA）交互关系建模不足的问题。

研究流程与方法
1. 模型架构设计
- 输入特征重构：将目标主体的位移信息（纵向与横向）离散化为分类标签序列，避免传统回归任务的误差累积问题。
- 社会张量创新：提出一种4D张量（宽度×长度×时间步长×2），直接编码SA与TA在每一时间步的相对位移变化率（而非LSTM隐藏状态），显著降低计算复杂度（图3示例）。
- 空间情境隐式建模：通过导航区域相关坐标系（如航道千米距和边界距离，图4）定义位移特征，替代传统地图处理子模块。

1. 社会情境融合模块（STT）

   • Transformer编码-解码机制：使用位置编码（Positional Encoding）标记网格空间关系，通过多头注意力（Multi-Head Attention）动态加权SA对TA的影响（公式2）。
     
   • 动态遮挡处理：通过掩码机制（Mask）支持部分观测的SA（如中途进入或离开场景的船舶）。
     

2. 训练与优化

   • 损失函数：联合学习横向（σ_x）与纵向（σ_y）误差的权重，采用加权交叉熵损失（公式1）。
     
   • 数据集构建：基于AIS（自动识别系统）数据，筛选400,000条内河船舶轨迹序列，插值处理信号丢失，并标注航道千米距和边界距离。
     

主要结果
1. 性能对比
- 误差指标：在5分钟预测时域内，SOSP-CT的最终位移误差（FDE）为31.69±40.58米，优于空间情境单独建模的SP-CT（31.95±44.32米）和情境无关模型CT（38.55±46.8米，表I）。
- 长时域优势：预测时域超过3分钟后，SOSP-CT的FDE显著低于CT（图5b），证明社会交互建模对长期预测的必要性。

1. 案例验证
   
   • 交互行为预测：如图6所示，SOSP-CT成功预测TA为避让蓝色SA而临时偏离航道后回归原路径的行为，而SP-CT持续错误预测偏离趋势。
     

结论与价值
1. 科学价值
- 提出首个完全基于Transformer的轨迹预测框架，摒弃LSTM-CNN混合架构，计算效率提升显著。
- 通过导航区域相关坐标系的特征定义，实现无地图模块的空间情境建模，为受限环境（如内河航道）提供新范式。

1. 应用价值
   
   • 支持动态遮挡场景（如AIS信号中断），适用于实际交通中的不完全观测问题。
     
   • 模型在船舶轨迹预测的验证为自动驾驶车辆、无人机等提供跨领域迁移潜力。
     

研究亮点
1. 方法创新：社会张量的时间步级交互建模与Transformer的端到端融合属首次提出。
2. 工程友好性：无需高精度地图输入，降低部署成本。
3. 可解释性：通过注意力权重可视化SA影响（图2），增强行为预测的可信度。

其他价值
论文指出当前数据集中异常轨迹（如超速船舶）对误差分布的干扰，未来需通过数据清洗和超参数优化进一步提升性能，并计划在行人、车辆基准数据集上验证普适性。