準確理解環境（例如車與車和車與車道之間的相互作用）對于包括軌跡預測和運動規劃在內的自動駕駛任務是至關重要的。而環境信息來自高清地圖和車輛的歷史軌跡。
目前，已經提出了基于學習的數學的模型用于完成上述兩個駕駛任務，但存在著環境理解偏差問題。具體而言，由于地圖數據和軌跡數據的異構性，許多基于學習的模型以單獨和順序的方式提取車與車和車與車道之間的相互作用，從而導致預測和規劃準確性降低。至于數學模型，環境信息主要用于表征無碰撞空間，而相互作用則被很大程度上忽略了。
為此，香港城市大學張祎凡老師等研究人員提出一種將車輛軌跡數據和高精地圖這兩種異構的數據融合成一種統一環境表達的時間占用流圖TOFG（Temporal Occupancy Flow Graph）。與TOFG相關的論文收錄于ICRA 2023上。
時間占用流圖TOFG由多個占據流圖OFG（Occupancy Flow Graph）組成，每個OFG包含了某一時刻的車輛以及地圖信息。OFG以高精地圖中的車道圖為基礎，融合了地圖中各車輛的信息。時序邊（temporal edge）將相鄰兩個時刻的OFG的結點連接起來，于是若干個OFG通過時間上的依賴關系，連接成了一個完整的時間占用流圖TOFG。
將 TOFG 與基于圖注意（GAT）的神經網絡結合起來，提出 TOFG-GAT 來展示 TOFG 對基于學習的軌跡預測和運動規劃的好處。此外，該團隊還設計了一種基于 TOFG 的交互感知采樣策略，以改進基于數學采樣的運動規劃算法。
大量實驗結果表明，TOFG 可以通過提高基于學習和數學模型的生成軌跡的質量和計算效率。TOFG-GAT模型在自動駕駛軌跡預測和運動規劃任務上可達到并超過現有模型的水平。
10月18日晚7點，智猩猩邀請到香港城市大學（東莞）助理教授張祎凡參與「智猩猩自動駕駛新青年講座」第39講，主講《自動駕駛中將軌跡和高精地圖統一的環境表達方式》。
講者
張祎凡
香港城市大學（東莞）助理教授
張祎凡博士，畢業于香港城市大學計算科學系，現于香港城市大學（東莞）擔任助理教授，研究方向為無人駕駛、智能交通系統、交通流分析及建模及交通大數據分析，已在領域內發表頂級期刊及會議論文15篇，其中第一作者論文8篇，擁有4項發明專利，在多個頂級國際期刊及國際會議擔任審稿人，包括Tranportation Research Part C, IEEE TITS，TRB，IROS等。
第 39 講
主 題?
《自動駕駛中將軌跡和高精地圖統一的環境表達方式》
?提 綱?
1、自動駕駛預測與規劃任務中的環境理解偏差問題
2、用于統一環境細粒度的時間占用流圖TOFG
3、結合TOFG與圖注意力網絡的預測規劃模型TOFG-GAT
4、實驗結果及分析總結
?直 播 信 息?
直播時間：10月18日19:00
成果
論文標題
《TOFG: A Unified and Fine-Grained Environment Representation in Autonomous Driving》
?論文鏈接
//arxiv.org/abs/2305.20068
如何報名
有講座直播觀看需求的朋友，可以添加小助手“陳新”進行報名。已添加過“陳新”的老朋友，可以給“陳新”私信，發送“自動駕駛39”進行報名。對于通過報名的朋友，之后將邀請入群進行觀看和交流。
