TraPHic：基于加权交互的密集异构交通轨迹预测

我们提出了一种新的算法，用于预测密集交通视频中道路参与者（road-agents）的短期轨迹。该方法专为异构交通设计，其中道路参与者可能包括公交车、汽车、摩托车、自行车或行人。我们使用一种新颖的LSTM-CNN混合网络来建模不同道路参与者之间的交互，以进行轨迹预测。特别地，我们考虑了异构交互，这些交互隐式地考虑了不同类型道路参与者的不同形状、动态和行为。此外，我们还建模了基于时间范围的交互，用于隐式地模拟每个道路参与者的驾驶行为。我们在标准数据集上评估了我们的预测算法TraPHic的性能，并引入了一个新的密集异构交通数据集，该数据集对应于亚洲城市的视频和参与者轨迹。在密集交通数据集上，我们的方法比现有最先进方法提高了30%的性能。