Lane-Aware Graph Attention Network for Multi-Vehicle Trajectory Prediction in Expressway Merge Zones

Resumen Técnico: Red de Atención Gráfica Consciente de Carril para la Predicción de Trayectorias de Múltiples Vehículos en Zonas de Fusión de Autopistas

Planteamiento del Problema
La predicción precisa de trayectorias de múltiples vehículos es crítica para la toma de decisiones autónoma, particularmente en zonas de fusión y divergencia de autopistas, donde las estructuras de interacción son geométricamente distintas y complejas. Los modelos de predicción basados en grafos existentes se desarrollan y validan predominantemente en segmentos de autopista principales utilizando conjuntos de datos de cámaras fijas como NGSIM. Estos modelos a menudo no abordan las topologías de interacción específicas de las zonas de fusión. Además, los protocolos de evaluación estándar dependen exclusivamente de métricas de error de desplazamiento (ADE, FDE), dejando sin cuantificar las consecuencias de seguridad de las trayectorias predichas. Existe una brecha significativa en la literatura respecto a la generalización de modelos entrenados con datos que contienen errores de medición conocidos (como NGSIM) hacia nuevos entornos, y la falta de evaluación mediante medidas de seguridad sustitutas (SSM) en la predicción de trayectorias.

Metodología
El artículo propone una Red de Atención Gráfica Consciente de Carril (LA-GAT) diseñada para codificar las interacciones entre vehículos dentro de grafos de escena dinámicos. La metodología involucra cuatro componentes clave:

1. Construcción de Grafo de Escena Dinámico: En cada paso de tiempo, la escena de tráfico se representa como un grafo dirigido donde los nodos son vehículos y las aristas representan influencia. Las aristas se establecen basándose en:
   • Proximidad: Un umbral derivado del percentil 95 de las distancias inter-vehiculares observadas.
   • Restricciones Estructurales: Registros explícitos de líder-seguidor y aristas obligatorias para vehículos en carriles adyacentes dentro de una separación longitudinal de ±10 m, para asegurar que los pares de conflicto de fusión estén siempre representados.
2. Mecanismo de Atención Consciente de Carril: El modelo utiliza un sesgo de atención entrenable de relación de carril. Antes del cálculo de la atención, la característica de relación de carril (mapeada a mismo, izquierda, derecha o fusión) se modifica mediante un vector escalar aprendible. Este mecanismo se inicializa para asignar un sesgo positivo específicamente a las relaciones de "fusión", priorizando estructuralmente las interacciones de conflicto de fusión desde el inicio del entrenamiento.
3. Arquitectura:
   • Codificador Temporal: Un LSTM bidireccional procesa secuencias históricas de estado de 30 cuadros (3 segundos) (posición, velocidad, aceleración, ID de carril normalizado, bandera de cambio de carril) para producir vectores de contexto de movimiento de 128 dimensiones.
   • Atención Gráfica: Dos capas GATv2 apiladas agregan información del vecindario utilizando las características de arista modificadas por el sesgo de carril.
   • Decodificador: Tres cabezas MLP independientes predicen parámetros gaussianos bivariados para horizontes de 1s, 3s y 5s.
4. Protocolo de Transferencia entre Conjuntos de Datos:
   • Pre-entrenamiento: El modelo se pre-entrena en los conjuntos de datos NGSIM US-101 e I-80 crudos y sin filtrar. No se aplica filtrado de calidad a los registros de líder-seguidor ni a los valores de distancia de seguimiento para evaluar el rendimiento bajo condiciones de calidad de datos del mundo real.
   • Ajuste Fino: El codificador BiLSTM se congela, mientras que las capas GATv2 y el decodificador se ajustan finamente en datos de trayectoria UTE SQM-W-1 capturados por UAV de un área de fusión de autopista china.
   • Evaluación: El modelo se evalúa en el conjunto de datos UTE SQM-W-2 retenido (condiciones de cero disparos y ajuste fino).

Contribuciones Clave

1. Modelo LA-GAT: Introducción de una red de atención gráfica con un sesgo de relación de carril entrenable que prioriza explícitamente las interacciones de conflicto de fusión durante el entrenamiento.
2. Protocolo de Transferencia entre Conjuntos de Datos: Un flujo de trabajo novedoso que implica pre-entrenamiento en datos NGSIM crudos y ajuste fino en datos UAV de alta resolución (UTE SQM), marcando la primera aplicación de datos de dron-BEV de autopistas chinas a la predicción de trayectorias basada en GAT.
3. Análisis de Generalización con Datos Crudos: Uso deliberado de datos NGSIM sin filtrar para caracterizar los límites de generalización y la degradación del rendimiento causada por errores de medición (por ejemplo, IDs de líder inválidos), abordando directamente los problemas de sensibilidad a la calidad de los datos identificados en benchmarks anteriores.
4. Métricas de Evaluación Expandidas: Extensión de la evaluación más allá de los errores de desplazamiento para incluir Medidas de Seguridad Sustitutas (SSM): tasas de violación de Tiempo de Colisión (TTC), tasas de excedencia de Tasa de Deceleración para Evitar Colisión (DRAC) y tasas de colisión calculadas a partir de posiciones absolutas predichas reconstruidas.

Resultados

• Precisión de Desplazamiento: El ajuste fino en datos UAV redujo significativamente la brecha de transferencia entre conjuntos de datos. En el conjunto de datos SQM-W-2 retenido, el modelo ajustado finamente logró un Error de Desplazamiento Promedio (ADE) de 0.865 m a 1s y 2.518 m a 3s. Esto representa una reducción de aproximadamente 79% y 77% respectivamente en comparación con la línea base NGSIM solo de cero disparos (4.125 m y 10.779 m).
• Rendimiento en NGSIM: En el conjunto de pruebas NGSIM, el modelo exhibió altas tasas de error (ADE de 17.39 m a 1s) y altas tasas de violación de SSM. Los autores atribuyen esto al uso de datos crudos y sin filtrar que contienen registros de interacción corruptos, confirmando que los errores de medición en los datos de entrenamiento limitan directamente la generalización del modelo.
• Métricas de Seguridad: El modelo ajustado finamente demostró tasas de violación de TTC y excedencia de DRAC más bajas en el horizonte de 1s en comparación con la línea base de cero disparos, sugiriendo que la proximidad a las posiciones reales de los vehículos reduce las detecciones espurias de casi-colisiones. Sin embargo, las altas tasas de violación persistieron en horizontes más largos (por ejemplo, la violación de TTC aumentó del 56.74% a 1s al 84.84% a 5s), reflejando la incertidumbre inherente del comportamiento humano de aceptación de huecos en zonas de fusión en lugar de únicamente errores del modelo.

Significado y Afirmaciones
El artículo afirma que el ajuste fino informado por drones es esencial para cerrar la brecha entre modelos entrenados en conjuntos de datos legados propensos a errores y aplicaciones reales en zonas de fusión. El estudio demuestra que, aunque el pre-entrenamiento en datos NGSIM crudos proporciona una línea base, las diferencias estructurales y los errores de medición en ese conjunto de datos impiden una transferencia efectiva de cero disparos a las geometrías de autopistas chinas.

Los autores enfatizan que la rápida degradación de la precisión de predicción con el tiempo (de 0.865 m a 1s a 5.034 m a 5s) y las elevadas tasas de violación de seguridad en horizontes más largos no son meramente limitaciones del modelo, sino que reflejan la incertidumbre acumulada inherente al comportamiento humano de aceptación de huecos en puntos de fusión. El estudio postula que una vez que un vehículo que se fusiona se compromete con un hueco, su trayectoria se vuelve fuertemente condicionada por reacciones no deterministas de los vehículos de la vía principal, limitando fundamentalmente el horizonte de predictibilidad en estas zonas.

Limitaciones Reconocidas por los Autores

• El término de penalización de seguridad TTC se estableció en cero durante el entrenamiento debido a los costos computacionales ($O(n^2)$) en hardware de CPU.
• No se realizaron estudios de ablación (por ejemplo, velocidad constante, solo LSTM, Social LSTM) para aislar la contribución específica del mecanismo de atención gráfica y el sesgo consciente de carril.
• El estudio no aplicó filtrado de calidad a los datos de pre-entrenamiento NGSIM para crear una línea base "limpia", aunque esta fue una elección deliberada para probar la generalización en condiciones crudas.