AI驱动的自动驾驶汽车轨迹预测方法综述

来源：交通运输系统工程与信息杂志2025年第5期北京时间：

作者：田大新, 肖啸, 周建山

单位：北京航空航天大学，车路协同与安全控制北京市重点实验室，北京100191

摘要：在自动驾驶系统中，轨迹预测作为感知与决策之间的重要桥梁，对于保障行车安全和提升系统鲁棒性具有关键意义。近年来，随着人工智能技术的不断发展，AI驱动的轨迹预测方法在精度、适应性，以及对复杂交通环境的建模能力方面取得了显著进展。本文围绕“预测模型”这一主线，系统梳理自动驾驶场景下的主流轨迹预测方法。首先，回顾基于物理模型的传统方法；其次，重点综述当前的研究热点，包括基于传统机器学习、深度神经网络和强化学习等方法的建模范式；同时，介绍近年来兴起的可解释性AI方法在提升模型透明度与安全性方面的探索进展，在比较不同方法的基础上，分析各类模型在处理交互建模、多模态不确定性及泛化能力等方面的优势与不足；接着，在方法对比的基础上，进一步整理轨迹预测评估指标和公开数据集的特点与适用范围，同时汇总国内外典型的落地案例；最后，结合当前研究瓶颈与发展趋势，展望未来轨迹预测可能的研究方向，包括模型的可解释性增强，多模态信息的有效融合及预测与决策规划的一体化设计等。希望本文能为后续相关研究提供有价值的参考和启发。

关键词：智能交通,轨迹预测,人工智能,自动驾驶,深度学习,可解释性

基金资助：国家自然科学基金(62432002)；京津冀基础研究合作专项课题(F2024201070)。