Crossfusor: A Cross-Attention Transformer Enhanced Conditional Diffusion Model for Car-Following Trajectory Prediction

车辆轨迹预测对于推进自动驾驶和高级驾驶辅助系统（ADAS）的发展，提高道路安全和交通效率至关重要。虽然传统方法奠定了基础工作，但现代深度学习技术，特别是基于Transformer的模型和生成方法，通过捕捉车辆运动和交通互动中复杂和非线性的模式，显著提高了预测准确性。然而，这些模型经常忽视现实驾驶场景中必不可少的详细的跟车行为和车辆间互动。本研究介绍了一种专门设计用于跟车轨迹预测的交叉注意力Transformer增强条件扩散模型（Crossfusor）。Crossfusor将详细的车辆间互动和跟车动力学集成到一个强大的扩散框架中，提高了预测轨迹的准确性和真实性。该模型利用一种新颖的时间特征编码框架，结合GRU、基于位置的注意机制和傅里叶嵌入，捕捉历史车辆动态。它在前向扩散过程中使用由这些编码历史特征缩放的噪声，并使用交叉注意力Transformer来模拟复杂的车辆间依赖关系，在反向去噪过程中。在NGSIM数据集上的实验结果表明，Crossfusor优于最先进的模型，特别是在长期预测方面，展示了其提高自动驾驶系统预测能力的潜力。

本论文旨在解决车辆轨迹预测中忽略了车辆跟随行为和车辆间交互的问题。

论文提出了一种名为Crossfusor的模型，它结合了车辆间交互和车辆跟随动力学，采用扩散框架，提高了预测轨迹的准确性和真实性。

论文采用了一种新的时间特征编码框架，结合了GRU、基于位置的注意机制和傅里叶嵌入，以捕捉历史车辆动态。在正向扩散过程中，模型采用了由编码历史特征缩放的噪声，并使用交叉注意力变换器来模拟复杂的车辆间依赖关系。实验结果表明，Crossfusor在长期预测方面优于现有的最先进模型，具有提高自动驾驶系统预测能力的潜力。

最近在这个领域中，还有一些相关研究，如“End-to-End Learning of Driving Models from Sensor Data”和“Multi-Modal Trajectory Prediction with Residual Generative Encoder and Conditional Variational Recurrent Network”。