DNC-IMM：基于驾驶上下文信息的神经校准早期车道变换意图识别

车道变换意图的早期识别对于自动驾驶和高级驾驶辅助系统中的主动决策至关重要。本文提出一种双重神经校准交互多模型（DNC-IMM），在保留传统 IMM 的概率结构和可解释性的同时，提高了对驾驶上下文的适应性。所提出的方法使用神经网络对驾驶上下文信息进行编码，包括目标车辆运动、与周围车辆的间距以及相对速度，并据此同时校准转移概率矩阵和观测似然。最终意图由校准后的 IMM 模式后验确定，而不是由单独的直接分类器给出。基于 highD 数据集的实验表明，所提出的方法能够在越线之前可靠地识别车道变换意图，并且在更早的 2-3 s 预测时域上表现尤为突出。