1. 项目概述从轨迹数据中预见城市交通的“慢动作”在自动驾驶和智能交通系统的研发一线待了十几年我处理过的轨迹数据少说也有几百个TB了。一个深刻的体会是让机器理解车辆“为什么”减速远比识别出“它正在减速”要困难得多。减速这个看似简单的动作背后是司机对复杂城市环境的瞬时反应是意图、规则、风险与效率的博弈。最近基于Argoverse 2数据集我们团队深入探索了“城市场景上下文下的减速行为模式”并尝试构建一个“早期运动学分类器”。简单说就是仅利用车辆运动轨迹的早期片段比如前1-2秒结合其周围的环境上下文如路口、人行道、前车距离来预判它即将发生的减速属于哪一种“模式”——是温和的跟车缓刹还是紧急的避障制动或是有序的停车让行。这不仅仅是又一个轨迹预测模型。传统方法往往将减速视为一个连续的回归值如减速度大小或一个简单的二分类问题减速/不减速。但实际驾驶中一次从60km/h到20km/h的减速原因可能千差万别。“Urban Deceleration Behavior Modes Under Scene Context”这个项目的核心正是要穿透数据表象对减速行为进行“动机”层面的精细化解构。我们利用Argoverse 2提供的海量、高质量多智能体轨迹及其丰富的矢量高清地图将每一次减速事件打上“行为模式”的标签并训练一个分类器使其能在减速发生早期就做出准确判断。这项工作有什么价值对于自动驾驶的决策模块而言如果能提前0.5秒识别出前车是在进行“礼让行人式减速”而非“拥堵蠕行式减速”那么本车的跟车策略、能量回收策略乃至乘客舒适度都可以进行优化。对于交通流分析与仿真理解不同场景下主导的减速模式可以帮助设计更符合人类驾驶习惯的微观模型让虚拟交通流变得更真实。接下来我将从设计思路、数据工程、模型构建、实操细节到避坑经验完整拆解这个项目。2. 核心思路为什么是“模式”而非“数值”在项目初期我们面临一个根本性的选择是预测一个连续的减速度值还是预测减速行为的类别经过大量数据分析与业务场景推演我们坚定地选择了后者——即对减速行为进行模式分类。这背后的逻辑源于对驾驶行为本质和工程实用性的双重考量。2.1 驾驶行为的离散化本质人类的驾驶操作尤其是制动并非完全连续、随机的。它受到离散的交通规则、离散的交通参与者如行人、信号灯和离散的驾驶意图如停车、转弯的强烈影响。一次制动过程其运动学曲线速度-时间曲线的形状与触发这次制动的“原因”紧密相关。例如跟车自适应Car-Following Adaptation减速度较小变化平滑速度最终稳定在一个较低值与目标车距相关。路口停车Intersection Stopping通常在停止线前完成减速度曲线可能呈现两段式先中等力度制动后轻微调整直至停止。紧急避障Emergency Obstacle Avoidance减速度大且急促峰值高持续时间短。让行Yielding如礼让行人或汇流车辆特点是减速后常伴随一个低速滑行或短暂停顿期。这些不同的“原因”导致了可区分的运动学模式。直接预测减速度数值模型学习到的是所有模式的“平均效应”会丢失这些关键的结构化信息。而分类任务迫使模型去学习区分这些模式背后的特征其输出一个类别标签对下游决策系统而言信息量更大、更直观。2.2 早期识别的工程意义“早期”是这个项目的另一个关键词。我们希望能在减速行为完全展开之前例如仅观察到前1秒或前5帧数据时就做出判断。这在实际系统中至关重要决策提前量为自动驾驶规划器提供更充裕的反应时间。不确定性降低早期运动轨迹噪声大直接回归具体数值极不稳定但模式分类对绝对数值不敏感更关注变化趋势和相对关系鲁棒性更强。计算效率分类任务通常比高精度回归任务需要更少的迭代和更轻量的网络后期层。2.3 场景上下文的决定性作用“Under Scene Context”点明了我们的核心方法论脱离场景谈行为是空洞的。同样的速度下降曲线在高速公路中间和在学校区域门口其行为模式和安全含义天差地别。因此我们的分类器必须深度融合两类信息运动学时序信号自车历史轨迹的速度、加速度、加加速度Jerk、航向角变化率等。这些是行为的“表现”。场景上下文特征来自高清地图的语义信息车道线、停止线、人行横道、路口类型、与关键交通元素的相对关系到最近停止线的距离到潜在冲突点的距离周围车辆密度。这些是行为的“诱因”和“约束”。我们的核心假设是特定的场景上下文与特定的早期运动学特征组合会大概率对应某一种减速行为模式。分类器的任务就是学习这个映射关系。3. 数据工程基于Argoverse 2构建减速模式数据集Argoverse 2是一个宝藏数据集但其原始标注并未提供“减速行为模式”标签。因此整个项目的第一步也是工作量最大的一步就是构建我们自己的标注数据集。3.1 原始数据理解与筛选Argoverse 2包含了大量的场景日志每个日志有11秒的轨迹数据30Hz以及高精度的矢量地图。我们首先需要从所有轨迹中筛选出“发生减速的片段”。减速片段定义我们定义了一个滑动窗口如2秒计算窗口内速度的下降值。当下降值超过阈值例如从初始速度下降超过20%且绝对下降值大于2m/s时将该窗口标记为一个候选减速事件。事件起点定位对于每个候选事件我们向前回溯找到速度开始持续下降的精确时间点作为该减速事件的“起点”。轨迹提取以起点为t0我们提取从t-T_hist历史观测期如2秒到tT_fut未来观测期如3秒的轨迹。t0之后的轨迹包含了减速的完整过程用于生成真值标签t0之前的轨迹则是我们分类器可用的“早期运动学”输入。3.2 减速行为模式的定义与标注规则这是项目的灵魂需要结合交通工程知识和数据分布来定义。我们最终确定了5种核心模式M1: 平稳跟车减速前车存在且为本车道自车减速以维持安全车距。特征减速度适中且稳定最终速度与前车匹配。M2: 路口法规性停车因红灯、停车标志或让行标志在固定位置停止线的减速停车。特征减速终点明确靠近停止线速度归零。M3: 行人/障碍物避让因横穿的行人、自行车或静态障碍物引发的减速。特征减速度可能较大轨迹可能有横向微调减速后常有短暂停顿。M4: 汇流或变道让行在匝道汇入、车道减少或变道时为让行他车而减速。特征减速常发生在车道线附近且目标车道有邻近车辆。M5: 弯道或地形减速因道路曲率突然增大急弯或上坡等道路几何变化导致的减速。特征减速与航向角变化强相关地图曲率特征明显。注意定义模式时切忌过细或存在模糊重叠。我们通过多次标注员间一致性测试来验证这些定义是否清晰可辨。对于少数难以归类的样本我们设立了“M0: 其他/复杂”类别但在训练集中会严格控制其比例或剔除。3.3 场景上下文特征的量化提取这是将抽象地图信息转化为模型可读数字的关键。对于每个减速事件起点时刻t0我们提取以下特征自车位姿关联地图元素计算自车到最近停止线、人行横道、路口中心点的纵向/横向距离。判断自车是否在路口多边形内、是否在公交车道内等。车道拓扑提取当前车道及相邻车道的中心线计算曲率、宽度。构建一个局部车道图编码车道之间的连接关系直行、左转、右转。动态交通参与者状态提取周围智能体车辆、行人在t0时刻的状态位置、速度、航向并计算它们与自车的相对位置、速度差、TTC碰撞时间等。我们通常只关注最相关的2-3个参与者如最近的前车、冲突方向的车辆。3.4 数据流水线与增强我们构建了一个自动化的数据预处理流水线输入是Argoverse 2的原始数据目录输出是(早期轨迹序列 场景上下文特征向量 行为模式标签)的三元组样本。坐标归一化将所有轨迹和地图坐标转换到以自车t0时刻位置为原点车头方向为x轴的坐标系下。这一步至关重要它消除了绝对位置和朝向的影响让模型专注于相对运动。特征标准化对连续特征如距离、速度、曲率进行标准化减均值除以标准差。数据增强为了提升模型鲁棒性我们对训练数据进行了合理的增强例如对历史轨迹加入轻微的高斯噪声。对场景进行水平镜像同时翻转轨迹的横向位置和航向角以模拟不同行驶方向。轻微调整减速事件的起始判定点模拟标注的不确定性。4. 模型架构双流融合的早期分类网络我们的分类器采用了一个双流编码器融合的结构分别处理时序运动学信号和静态场景上下文最后进行联合决策。4.1 运动学时序编码流输入是自车在t [-T_hist, 0]时间段内的状态序列通常是一个N x F_k的矩阵N是时间步数F_k是特征维度我们使用了速度、加速度、加加速度、航向角、航向角速度等。主干网络选择我们对比了1D CNN、LSTM和Transformer编码器。实践证明一个轻量级的多层GRU网络在这个任务上取得了最佳的性能-效率平衡。GRU能够有效捕捉速度、加速度变化的短期依赖模式。处理技巧在输入GRU前我们额外计算了每个时间步的“运动趋势”特征如过去几帧的平均加速度、速度变化方差作为补充特征拼接进去帮助网络感知变化的急缓。4.2 场景上下文编码流输入是t0时刻提取的静态特征向量维度为F_s可能包含几十到上百个特征如各种距离、标志存在性、曲率、他车状态等。特征工程与嵌入对于类别特征如“道路类型”我们使用嵌入层将其转换为稠密向量。所有连续特征和嵌入后的类别特征被拼接成一个长向量。主干网络选择由于场景特征在时间点上是静态的我们使用一个多层全连接网络作为编码器。为了防止过拟合我们在每一层后都加入了Dropout和LayerNorm。4.3 特征融合与分类头这是模型的关键。两个编码器的输出分别是运动学特征向量h_kin和场景特征向量h_scene。融合策略我们尝试了拼接、相加、注意力加权等多种方式。最终一个简单的门控融合单元效果最好gate sigmoid(FC([h_kin, h_scene]))h_fused gate * h_kin (1 - gate) * h_scene这个门控机制允许模型动态决定在特定时刻是更依赖运动学趋势还是场景信息。分类头将融合后的特征h_fused通过一个2-3层的MLP最后接一个Softmax层输出5个行为模式类别的概率分布。4.4 损失函数与训练细节损失函数使用标准的交叉熵损失。由于不同模式的数据量可能不均衡我们采用了带权重的交叉熵权重与类别频率的倒数成正比。优化器与学习率使用AdamW优化器配合余弦退火学习率调度器。评估指标除了整体准确率我们更关注每个类别的精确率、召回率和F1分数特别是那些对安全至关重要的类别如M3: 行人避让。我们还定义了“早期识别准确率”即模型在减速发生后第0.5秒、1.0秒时的预测准确性。5. 实操要点训练、评估与可视化分析5.1 训练过程中的关键监控点训练这类模型不能只看训练集和验证集的损失曲线。类别分离度可视化定期使用t-SNE或UMAP将模型倒数第二层的特征即h_fused降维可视化观察不同减速模式的样本在特征空间是否逐渐分离。这是判断模型是否真正学到区别性特征的最直观方法。混淆矩阵分析每个epoch结束后在验证集上计算混淆矩阵。重点关注哪些类别容易混淆。例如我们发现“M1跟车减速”和“M4汇流让行”在早期容易混淆因为它们都可能涉及前车。这促使我们加强了场景流中对“车道关系”和“他车意图”如是否打转向灯的特征提取。时间敏感性分析我们构建了一个包含不同长度历史观测0.5s, 1.0s, 1.5s, 2.0s的验证集。绘制“识别准确率 vs. 观测时长”曲线。理想的模型应该在观测时长很短时就有不错的性能并且随着观测时间增长性能稳步提升。如果曲线在某个点后陡增说明模型过度依赖后期某个关键特征早期识别能力不足。5.2 模型可解释性技巧为了让决策更可信我们集成了一些可解释性方法输入特征重要性使用集成梯度或SHAP值分析对于某个特定预测哪些运动学特征如最近0.2秒的加加速度或场景特征如到停止线的距离贡献最大。注意力可视化如果使用了Transformer可以可视化其注意力权重看模型在历史轨迹的哪些时刻“更关注”当前决策。反事实推理在推理时可以轻微修改输入特征例如“如果此时到人行道的距离增加5米”观察模型预测概率的变化从而理解模型的决策边界。5.3 部署前的仿真测试在模型投入真实系统前我们在仿真环境中进行了大量测试。构建测试场景库从Argoverse 2中提取未被训练使用的复杂场景如无保护左转、环形路口、施工区域等作为边缘案例测试集。闭环测试将分类器接入一个简化的自动驾驶决策规划仿真闭环。分类器的输出作为高层决策的一个输入例如识别为“M3行人避让”则触发更保守的跟车策略。观察在长序列仿真中基于模式分类的决策是否比基于纯减速度值的决策更平滑、更安全、更拟人。6. 常见问题与避坑指南在实际操作中我们踩过不少坑也积累了一些宝贵的经验。6.1 数据层面问题样本类别极度不均衡。“M1跟车减速”在城市数据中占绝大多数而“M3行人避让”则很少。解决方案除了使用加权损失函数我们采用了分层采样的策略来构建每个训练batch确保每个batch内各类别都有一定数量的样本。对于极少数类别我们进行了合理的数据增强例如在安全的前提下对行人位置进行小范围平移来“创造”新的避让场景。问题Argoverse 2中某些场景的轨迹标注存在短暂抖动或丢失。解决方案我们开发了一个简单的轨迹修复与平滑流水线。对于短时间3帧的丢失使用线性插值对于明显的速度抖动使用一个轻量的卡尔曼滤波器进行平滑。但必须谨慎避免过度平滑而抹除了紧急制动等关键的运动学特征。问题场景上下文特征维度高存在大量共线性。解决方案在输入模型前进行特征选择与分析。我们使用互信息法评估每个特征与目标标签的相关性并计算特征间的相关系数矩阵手动剔除高度冗余的特征例如“到最近停止线的距离”和“是否在路口50米内”可能高度相关。6.2 模型层面问题模型过拟合场景特征忽视早期运动学。表现为使用完整历史观测时性能很好但只用前0.5秒数据时性能骤降。解决方案在训练时我们随机地对一定比例的训练样本将其历史观测长度截断为很短如0.3秒~1秒强制模型学习从极早期、信息量少的运动学信号中提取模式。同时在场景编码流中增加更强的Dropout模拟场景信息感知不全的情况。问题双流融合效果不佳甚至不如单流。排查与解决首先检查两个编码流的输出是否在数值尺度上差异巨大这会导致融合时一方被淹没。我们通过对两个流的输出分别进行LayerNorm来解决。其次尝试更简单的融合方式如早期拼接有时比复杂的注意力机制更有效。确保两个流的信息是互补的而不是重复的。问题模型对“M0: 其他”类别的预测总是很犹豫概率分布平缓。理解与应对这实际上是合理的因为“其他”类别本身就是一个模糊的集合内部没有一致的模式。我们最终的策略是在推理时如果模型对“其他”类别的预测概率最高但置信度低于某个阈值则将其输出为“不确定”并触发一个fallback机制例如采用一个更保守的、基于规则的减速原因估计器。6.3 工程与评估层面问题离线评估指标很高但接入仿真后感觉决策“不聪明”。关键点离线评估的是“分类准确性”但系统需要的是“决策有用性”。我们引入了基于风险的评估。例如将“M3行人避让”误判为“M1跟车减速”的风险代价要远高于将“M1”误判为“M4”。我们在评估时使用一个自定义的代价敏感矩阵来加权计算整体损失并在训练后期用此矩阵对模型进行微调。问题推理延迟不能满足实时性要求。优化策略1)模型轻量化将GRU单元数减少或替换为更快的Temporal Convolutional Network。2)特征裁剪重新评估所有场景特征只保留对性能影响最大的前10-20个。3)异步推理分类器以稍低于规划器的频率运行如10Hz其输出结果通过一个缓存队列供规划器随时读取。这个项目从数据挖掘到模型部署是一个典型的“数据驱动”与“知识引导”相结合的过程。最大的收获是认识到在自动驾驶的感知与决策中为行为赋予“语义”比拟合“数值”更具长远价值。早期运动学分类器就像一个经验丰富的副驾驶能在驾驶员脚刚移向刹车踏板的瞬间就根据车外的环境判断出他这次是要“轻轻点一下”还是“一脚踩到底”。这种细微的、前瞻的理解正是机器向人类驾驶智能迈进的关键一步。在实际部署中我们将其与传统的轨迹预测模型并行运行两者的输出互为补充为决策规划层提供了一个更丰富、更鲁棒的周围车辆行为理解框架。