物质科学
Physical science
自主驾驶车辆如何合理、准确地理解周围车辆的驾驶意图，是提高自主驾驶技术安全性与运行效率的关键所在。
浙江大学陈喜群教授和夏英集研究员团队近日在Cell Press细胞出版社旗下期刊Device上发表了一篇题为“Driving intention understanding for autonomous vehicles: Current approaches and beyond”的观点论文，对自主驾驶意图理解方法进行了详细阐述。本文综述了相关研究进展，并提出以类脑智能融入驾驶意图理解的新机遇与挑战。
▲长按图片识别二维码阅读原文
自主驾驶车辆（AV）相关研究旨在带来更安全、高效的出行体验。在未来几十年内，AV将与人类驾驶车辆共存，理解人类驾驶行为和意图对于保障自主驾驶的安全和效率至关重要。本文从交通工程、载运工具运用工程、机器人学及计算机科学等四个学科的研究入手，深入探讨了当前驾驶意图理解方面的关键进展和所面临的挑战。同时，本文提出引入神经科学和类脑智能的新方向，通过模仿人类大脑的信息处理机制，帮助自主驾驶系统更好地理解和预测人类驾驶员的意图。
图 1 本世纪自主驾驶的里程碑事件。
本文首先回顾了本世纪的自主驾驶领域里程碑事件（图1）。研究发现，尽管自主驾驶技术在封闭测试环境中取得了显著成功，但在实际交通场景中仍然面临严重安全隐患。相比人类驾驶员能够理解他人驾驶意图并与之合理交互，AV则难以理解并融入人类驾驶环境。为了突破这一研究瓶颈，国内外学者在驾驶意图理解方面展开了深入研究。本文将相关研究依据不同学科视角划分为四个关键词集群（图2），并总结了各领域关于驾驶意图理解的方法：
图 2 AV研究中的关键词集群。
交通工程方法
交通工程为理解驾驶意图提供了重要的理论基础，建立了一系列“车—车”或“车—环境”交互行为模型，通常利用概率推断、数学模型与仿真技术来描述交通流动态特性，进而预测驾驶员的决策过程。例如，经典的交通动力学模型通过概率推理或动力学微分方程，定量描述车辆跟驰反应和换道意图。近年来，博弈论和马尔科夫模型等方法也被用于复杂交通情境下的车辆行为预测，为自主驾驶提供了更灵活的决策支持。
然而，交通工程方法往往基于平均化的驾驶行为假设，忽视了个体驾驶者之间的差异。这使得在面对复杂驾驶情境时，传统模型缺乏对个性化驾驶风格的精确预测能力。因此，未来研究需要进一步结合大数据分析，发现更多个性化的驾驶行为模式或偏好，以提升模型对具体驾驶情境的适应性和准确性。
载运工具运用工程方法
载运工具运用工程主要研究驾驶员状态、驾驶风格及其决策背后的内在行为机制。在驾驶意图的相关研究中，载运工具运用工程主要通过感知驾驶员的生理与心理状态，分析并预测其驾驶意图。驾驶员的疲劳、焦虑、注意力分散等状态都会影响其驾驶行为及决策。
然而，目前自主驾驶车辆难以实时监测并获取周围车辆中人类驾驶员的主观状态，且在不同交通情境中不同驾驶员的行为风格存在显著差异，难以通过简单模型进行预测。因此，未来的研究应进一步揭示驾驶决策与环境因素间的内在关联机理。
机器人学方法
机器人学的研究可为车辆运动控制提供动力学约束及路线规划的理论基础。自主驾驶车辆可以看作一种特殊的无人机器人，其核心任务包括路径规划、轨迹跟踪和避障等。例如，以规划并寻找车辆行驶最优路径的A*算法和Dijkstra算法，在机器人导航与自主驾驶中得到了广泛应用。
然而，面对复杂的人机共驾环境，大多数机器人学模型仍将周围车辆视为缓慢移动的障碍物，该假设过度简化了动态驾驶环境的复杂性，忽视了人类主观驾驶意图和多车交互协作。为了让自主驾驶车辆在复杂交通中做出更准确的判断，未来研究需要在相关算法中考虑驾驶意图与合理交互关系表达。
计算机科学方法
随着深度学习和强化学习等现代机器学习技术的快速迭代，计算机科学领域的研究成果促进了自主驾驶技术的发展。基于深度神经网络的算法可以从大量驾驶数据中学习、识别并预测其他车辆的驾驶意图。此外，计算机科学中的图像识别和语义分割技术也被广泛应用于自主驾驶车辆的环境感知；借助摄像头和雷达等传感器，自主驾驶车辆能够实时感知道路情况，识别行人、障碍物及交通标志，从而做出正确的决策并避免危险。
尽管数据驱动模型在许多场景中表现出色，但由于复杂驾驶场景具有极强的长尾性，在面对极端或罕见的交通情况时，模型可能输出难以解释的错误结果。此外，数据不完整或存在偏差时，也可能导致模型做出不准确的判断。因此，未来研究需要进一步优化模型结构，提升其在不同交通场景中的泛化能力。
类脑智能：新的探索方向
类脑智能的研究为驾驶意图理解提供了新的解决方案。随着神经科学的发展，相关研究揭示了人类大脑在驾驶过程中的神经活动与信息处理机制。借助脑电图（EEG）和功能性近红外光谱（fNIRS）等现代脑成像技术，研究人员能够记录和分析驾驶员在不同驾驶任务中的大脑反应，进而获取驾驶意图的大脑作用机制。
类脑智能理论通过模拟人脑的工作原理，重现大脑的神经网络结构与信息处理方式，建立类神经计算等生物模型，赋予自主驾驶系统具备类似人类的认知和决策能力。随着驾驶行为脑反应的研究的深入和类脑智能理论的发展，类人自主驾驶系统（图3）有望具备类似优秀人类驾驶员的驾驶行为理解能力。
图 3 典型的类人自主驾驶研究流程。
尽管类脑智能研究为自主驾驶技术提供了新的视角，但这一领域也面临着诸多挑战。例如，如何将复杂的大脑神经活动与驾驶行为进行精确匹配，以及如何将这些信息实时应用于自主驾驶系统等。此外，数据隐私和伦理问题同样不容忽视。类脑智能与神经科学的结合，将为新一代自主驾驶技术的发展提供全新的研究思路。
总结
本文从交通工程、载运工具运用工程、机器人学和计算机科学四个领域的研究，系统回顾了自主驾驶车辆在驾驶意图理解方面的探究进展和挑战（表1）。交通工程通过概率推断和动态模型描述车辆间的微观交互，载运工具运用工程关注驾驶员的生理和心理状态，机器人学则通过路径规划和运动控制为自主驾驶提供技术支持，而计算机科学利用深度学习等技术为意图识别和决策提供了数据驱动的方法。
表 1 不同驾驶意图理解方法的优缺点。
然而，人类驾驶行为不仅仅是基于轨迹生成的简单运动控制，更是复杂的认知过程。因此，未来研究需要进一步探索人类大脑的工作机制，特别是将类脑智能引入到自主驾驶技术中，使车辆能够像人类驾驶员一样思考和交互。这一新的研究领域需要借助与融合上述四个领域的研究特色及优势，最终共同构建具有类人认知能力的自主驾驶系统。
图 4 五个领域的自主驾驶研究。
本文希望启发未来研究在神经学层面揭示人类驾驶行为的认知机制，使未来自主驾驶技术在智能化、安全性和可靠性方面取得更大的进展，最终实现人类与自主驾驶车辆的安全高效共存！
作者介绍
夏英集
“百人计划”研究员
夏英集，论文第一作者，浙江大学建筑工程学院“百人计划”研究员，博士生导师。主要研究方向为自主驾驶车辆的感知与决策。在Nature Sustainability、Patterns、Device、The Innovation、EHS等期刊发表论文多篇，获授权发明专利多项。担任Cell子刊Patterns期刊编委（Advisory Board Member），Science合作子刊 EHS杂志青年编委（Early Career Editorial Board Member）。荣获中国智能交通协会青年科技奖等奖项。
陈喜群
长聘教授
陈喜群，论文通讯作者，浙江大学长聘教授，智能交通研究所所长，国家优青。曾先后在清华大学土木工程系交通研究所、美国加州大学伯克利分校PATH研究所、美国马里兰大学土木与环境工程系、美国马里兰国家交通中心学习和工作。研究领域包括交通运输管理、人工智能、共享出行、智能交通系统等。担任WTC学科主席，管理科学与工程学会理事，国家级车联网先导区专家委员，Transportation Research Part C副主编，IEEE Transactions on Intelligent Vehicles副主编，npj Sustainable Mobility and Transport编委。主持国家自然科学基金项目5项、国家重点研发计划课题1项。在Device、Patterns、Nature Sustainability、The Innovation、Management Science、M&SOM、Transportation Science、Transportation Research Part B等期刊发表SCI/SSCI论文150余篇，研究成果被遴选为Nature研究亮点和Patterns封面论文，并被国家基金委报道。获中国智能交通协会科技创新领军人才奖、中国交通运输协会科技创新青年奖、IEEE ITSS最佳博士论文奖，入选斯坦福全球2%顶尖科学家、爱思唯尔中国高被引学者、中国科协青托工程、浙江省杰青、浙江省千人。
相关论文信息
论文原文刊载于Cell Press细胞出版社旗下期刊Device，点击“阅读原文”或扫描下方二维码查看论文
▌论文标题：
Driving intention understanding for autonomous vehicles: Current approaches and beyond
▌论文网址：
https://www.sciencedirect.com/science/article/abs/pii/S2666998624002746
▌DOI：
https://doi.org/10.1016/j.device.2024.100431
▲长按图片识别二维码阅读原文
经过50年的不懈努力，Cell Press细胞出版社的编辑与全球的作者、审稿人一起，创办了一系列优秀出版物，未来我们也将不断深耕科研创新和科学信息的传播交流，启迪更多科学新发现。
CellPress细胞出版社
推荐阅读
▲长按识别二维码关注细胞科学
