文献类型：期刊文献

中文题名：基于拓扑辫群与Transformer的车辆轨迹预测方法

英文题名：Trajectory prediction for autonomous vehicles based on topological braid group and Transformer

作者：杨子旋[1];戴庆龙[1];秦广军[1];刘光南[1]

第一作者：杨子旋

机构：[1]北京联合大学智慧城市学院,北京100101

第一机构：北京联合大学智慧城市学院

年份：2026

卷号：43

期号：6

起止页码：1715-1720

中文期刊名：计算机应用研究

外文期刊名：Application Research of Computers

收录：;北大核心:【北大核心2023】；

基金：中国计算机学会开放课题(CCFIS2019-01-01);北京联合大学课题(ZK10202403)。

语种：中文

中文关键词：车辆轨迹预测;拓扑辫群;Transformer;自动驾驶

外文关键词：vehicle trajectory prediction;topological braid group;Transformer;autonomous driving

摘要：自动驾驶中多智能体的轨迹预测需准确建模其复杂交互行为,而现有方法常缺乏对此类行为模式及其交互关系的结构化表征。针对该问题,提出了一种基于拓扑辫群与Transformer的车辆轨迹预测方法BGT。该方法首先采用相对位移进行矢量化场景编码,确保平移不变性;进而构建分层Transformer架构,通过旋转不变的局部注意力模块提取细粒度交互特征,并利用几何感知的全局模块捕获长程依赖。其核心创新在于引入拓扑辫群理论,将轨迹间的交互抽象为辫群结构,形式化表征主动超车与被动避让等基本交互模式,从而避免轨迹冲突并增强预测的可解释性。在Argoverse运动预测数据集上的实验表明,BGT在最小平均位移误差(minADE)与最小最终位移误差(minFDE)指标上优于现有先进方法,验证了其有效性。
agent interactions into braid structures,formally representing fundamental patterns such as active overtaking and passive yielding,thereby avoiding trajectory conflicts and enhancing interpretability.Experiments on the Argoverse motion forecasting dataset demonstrate that BGT outperforms existing state-of-the-art methods in terms of minimum average displacement error(minADE)and minimum final displacement error(minFDE),confirming its effectiveness.