TraPHic : Prédiction de trajectoire dans un trafic dense et hétérogène à l'aide d'interactions pondérées

Nous présentons un nouvel algorithme pour prédire les trajectoires à court terme des agents de la route dans des vidéos de trafic dense. Notre approche est conçue pour un trafic hétérogène, où les agents de la route peuvent être des bus, des voitures, des scooters, des vélos ou des piétons. Nous modélisons les interactions entre différents agents de la route en utilisant un réseau hybride LSTM-CNN innovant pour la prédiction des trajectoires. En particulier, nous prenons en compte les interactions hétérogènes qui tiennent implicitement compte des formes, dynamiques et comportements variés des différents agents de la route. De plus, nous modélisons les interactions basées sur l'horizon, utilisées pour modéliser implicitement le comportement de conduite de chaque agent de la route. Nous évaluons les performances de notre algorithme de prédiction, TraPHic, sur des jeux de données standards et introduisons également un nouveau jeu de données dense et hétérogène correspondant à des vidéos urbaines asiatiques et aux trajectoires d'agents. Nous surpassons les méthodes d'avant-garde sur les jeux de données de trafic dense avec une amélioration de 30 %.