{
  "paper_id": "1f3aabca69ef0f951eb6d1b2a224003d",
  "paper_title": "基于深度学习的行人轨迹预测综述：挑战与解决方案",
  "paper_authors": [
    "Jiaming Jiang",
    "Kai Yan",
    "Xindong Xia",
    "Biao Yang"
  ],
  "publication_date": "2025-02-05",
  "publication_venue": "Sensors",
  "abstract": "行人轨迹预测广泛应用于智能交通系统、自动驾驶和社会机器人等领域。精确预测周围行人的未来轨迹有助于智能体实现更好的运动规划。目前，基于深度学习的轨迹预测方法通过学习轨迹数据，展现出优于传统方法的预测性能。然而，这些方法在提高预测准确性、效率和可靠性方面仍面临诸多挑战。本综述研究了基于深度学习的行人轨迹预测方法中的主要挑战，并通过文献收集和分析研究该问题及其解决方案。具体而言，我们首先调查并分析了现有的行人轨迹预测文献和综述，在此基础上总结了基于深度学习的行人轨迹预测面临的几个主要挑战，包括运动不确定性、交互建模、场景理解、数据相关问题和预测模型的可解释性。随后，我们总结了针对每个挑战的解决方案。接着，我们介绍了主流的轨迹预测数据集，并分析了其上报告的最先进（SOTA）结果。最后，我们讨论了轨迹预测的潜在研究前景，旨在推动轨迹预测社区的发展。",
  "keywords": [
    "trajectory prediction",
    "motion uncertainty",
    "interaction modeling",
    "scene semantic understanding",
    "interpretability"
  ],
  "paper_institutions": [
    "Wang Zheng Institute of Microelectronics, Changzhou University"
  ],
  "output_language": "zh",
  "provider": "doubao",
  "model": "ark-code-latest",
  "prompt_template": "simple",
  "extracted_at": "2026-08-16T19:46:43.055326Z",
  "template_tag": "deep_read",
  "summary": "# A Survey of Deep Learning-Based Pedestrian Trajectory Prediction: Challenges and Solutions\n\n\n**作者 / Authors:** Jiaming Jiang, Kai Yan, Xindong Xia, Biao Yang\n\n\n**单位 / Institutions:** Wang Zheng Institute of Microelectronics, Changzhou University\n\n\n\n**输出语言 / Output Language:** zh\n\n\n\n**发表日期 / Publication Date:** 2025-02-05\n\n\n\n**期刊/会议 / Publication Venue:** Sensors 2025, 25, 957 (MDPI)\n\n\n## 模块 A：阅读对齐与输入校验 / Module A: Reading Alignment and Input Check\n\n## 模块A：阅读对齐与输入验证\n\n### 1. 论文元数据\n\n- **标题**: A Survey of Deep Learning-Based Pedestrian Trajectory Prediction: Challenges and Solutions\n- **作者（姓名 / 机构 / 背景）**: Jiaming Jiang（常州大学微电子控制研究院）、Kai Yan（常州大学）、Xindong Xia（常州大学）、Biao Yang（常州大学；通讯作者）\n- **发表载体**: Sensors（MDPI），2025年，卷25，文章号957；学术编辑：Zheng Chen；2024年12月9日投稿，2025年1月31日修改，2025年2月4日接受，2025年2月5日发表\n\n### 2. 研究定位\n\n- **研究领域**: 深度学习、行人轨迹预测、多智能体系统\n- **具体任务**: 面向深度学习方法的行人轨迹预测，总结挑战（运动不确定性、交互建模、场景理解、数据问题、可解释性）并梳理对应解决方案，同时介绍主流数据集与SOTA结果\n- **目标用户/应用场景**: 智能交通系统、自动驾驶、服务机器人、安全监控、体育分析等领域的研究人员与工程开发者\n\n### 3. 输入材料清单\n\n- **PDF**: 已提供（论文全文，包含正文、图表、参考文献）\n- **附录/补充材料**: 未提供\n- **代码链接**: 未提供\n- **数据集链接**: 未提供（仅描述数据集，如SDD、ETH/UCY、NBA等，未给出官方链接）\n\n### 4. 缺失材料与风险\n\n- **缺失项**: 官方代码、数据集下载链接、补充实验细节、论文中引用的图（images/...）未包含在文本中（可能只有图占位符）\n- **影响**: 无法直接复现或验证具体方法的实现细节；图表信息缺失会影响对结构图（如GAN/CVAE结构、因果图）的精确理解；但文本中已包含足够描述用于综述性阅读，对整体主题和结论影响较小\n\n### 5. 阅读路线（3-6步）\n\n- **Step 1**: 进行第一遍概览：阅读标题、摘要、引言、结论，把握文章主旨（综述深度学习行人轨迹预测的挑战与解决方案）\n- **Step 2**: 精读第2节（问题形式化与挑战分类），理解问题定义和五类挑战的划分依据\n- **Step 3**: 重点阅读第3节（各挑战的解决方案），结合表格（表1-表6）对比不同方法的特点、年份、ADE/FDE等性能\n- **Step 4**: 阅读第4节（数据集与评估指标），分析SOTA表格（表7-表10），理解不同数据集上的模型表现差异\n- **Step 5**: 回顾第5节（结论与展望），归纳未来方向，并对照摘要和贡献点验证文章完成度\n- **Step 6**: （可选）结合参考文献追踪关键方法（如Social GAN、CVAE、扩散模型等）的原始论文，深入验证综述的准确性\n\n---\n\n**分类理由**：本文是一篇典型的综述（survey），其核心贡献是对现有文献的收集、分类、总结和展望，而非提出新算法或新系统，因此选择`survey`作为论文原型。\n\n\n## 模块 B：第一遍鸟瞰扫描（类别/上下文/正确性/贡献/清晰度） / Module B: First Pass Overview (category, context, correctness, contribution, clarity)\n\n## 模块B：第一遍概览\n\n### 1. 论文类型和类别\n\n这是一篇综述（survey）论文，属于深度学习领域，具体聚焦于行人轨迹预测。其目的是系统地总结深度学习在该任务中的主要挑战、现有解决方案以及主流数据集和最新成果，而非提出新的算法或系统。论文类型可归类为“技术综述”或“领域综述”。\n\n### 2. 背景和研究背景\n\n行人轨迹预测在智能交通系统、自动驾驶、服务机器人、安全监控和体育分析等领域具有广泛应用。深度学习凭借其强大的数据驱动学习能力，显著提升了预测性能，但依然面临诸多挑战。已有综述（如文献[^10]、[^11]）或未全面讨论挑战，或未系统总结解决方案。本文基于对这些工作的分析，从行人自身、客观场景和预测模型三个角度出发，将挑战归纳为五类：运动不确定性、交互建模、场景理解、数据相关问题和模型可解释性，并逐一梳理了相应解决方案。\n\n### 3. 直观正确性检查（关键假设及合理性）\n\n论文的核心假设是：（1）深度学习相比传统方法在预测精度上更优，但存在上述五类挑战——该假设符合文献和常识；（2）这些挑战可以被分别建模和解决，且解决方案有效——论文通过大量方法列举和表格数据（如SDD、ETH/UCY上的ADE/FDE对比）支持了这一点；（3）数据集和评估指标（ADE、FDE）能有效反映模型性能——这是领域通用约定。整体来看，论文的框架合理，关键假设与领域共识一致，未见明显矛盾。\n\n### 4. 核心贡献（3-5条）\n\n1) 系统性地总结并分类了深度学习行人轨迹预测面临的五类核心挑战：运动不确定性、交互建模、场景理解、数据问题及可解释性（第2.2节，图1）。\n2) 针对每一项挑战，详细梳理了对应的解决方案，并按子方向进行分类（如运动不确定性下的多样性预测、扩散模型、目标预测；交互建模中的时空融合、未来交互建模等），并附有方法总结表（表2-表6）。\n3) 整理了主流轨迹预测数据集（SDD、ETH/UCY、NBA、JAAD/PIE）及其SOTA结果，并进行了深入分析，指出了高效方法的特征（第4节，表8-表10）。\n4) 提出了未来研究展望，包括异构智能体轨迹预测、轻量化模型、模型鲁棒性和轨迹预测与运动规划的集成（第5节）。\n\n### 5. 清晰度评估（结构、图表、公式、可读性）\n\n**结构**：论文结构清晰，引言后依次介绍预备知识（问题公式化）、挑战分类、解决方案、数据集与评估、结论。各节内部有明确的小节划分，并配有“总结”和“建议”段落。\n**图表**：使用了图1（挑战与解决方案总览）、图2（GAN/CVAE结构）、图3（扩散过程）、图4（RNN/CNN示意）、图5（Transformer示意）、图6（因果图），以及表1-表10（方法对比和SOTA结果），图表与正文关联紧密，有助于理解。\n**公式**：给出了问题公式化定义（公式1）和评估指标ADE/FDE定义（公式2），符号明确，可读性好。\n**可读性**：语言平实，逻辑连贯。部分段落较长，但信息密度适中。参考文献完整（105条），引用规范。\n\n总体而言，论文结构清晰，图表和公式支撑良好，适合作为该领域的入门综述阅读。\n\n### 6. 继续或停止建议（建议及理由）\n\n**继续阅读**。理由：本文是一篇高质量的领域综述，核心贡献在于系统化梳理挑战和解决方案，对于希望快速了解深度学习行人轨迹预测的研究者具有较高价值。虽然论文未提供代码或实验复现细节，但所引用的方法均有原始文献，且提供了充分的对比表格（如SOTA结果），可以作为后续深入研究的基础。因此建议继续进入第二遍阅读，深入了解各方法的技术细节。\n\n### 7. 结构大纲图（Markmap块）\n\n```markmap\n# 论文总览\n## 引言（研究背景、动机、贡献、章节组织）\n## 预备知识（问题公式化、挑战概述）\n## 各挑战的解决方案\n### 运动不确定性（多样性预测、扩散模型、目标预测）\n### 交互建模（时空融合、未来交互建模）\n### 场景理解（场景-轨迹融合、混淆效应）\n### 数据相关问题（缺失值处理、长尾分布）\n### 可解释性（与传统方法结合、与机器学习结合）\n## 数据集与评估指标\n### 评估指标（ADE、FDE）\n### 主流数据集（SDD、ETH/UCY、NBA、JAAD/PIE）\n### SOTA结果分析\n## 结论与展望\n### 未来研究方向（异构智能体、轻量化、鲁棒性、与运动规划集成）\n```\n\n\n## 模块 C1：论文试图解决什么问题？ / Module C1: What problem does the paper try to solve?\n\n### 模块C1：论文试图解决什么问题？\n\n#### 1. 一句话问题定义\n\n本文旨在系统性地梳理和总结基于深度学习的行人轨迹预测方法所面临的主要挑战（运动不确定性、交互建模、场景理解、数据相关问题和模型可解释性），并归纳对应的解决方案，以促进该领域的发展（见摘要与第1节引言）。\n\n#### 2. 痛点或缺陷\n\n- **运动不确定性**：行人的未来运动具有固有的随机性和多模态性，传统模型难以充分建模，导致预测不准确（第2.2节，第3.1节）。\n- **交互建模不充分**：行人之间的动态时空交互复杂，现有方法（如社交池化、注意力机制、图神经网络）仅基于历史轨迹建模，忽略未来交互影响，导致次优预测（第2.2节，第3.2节）。\n- **场景理解不足**：真实场景语义信息复杂（如道路、障碍物、交通信号），且训练环境与实际环境存在偏差，构成混杂因素，影响预测准确性（第2.2节，第3.3节）。\n- **数据问题**：轨迹数据存在缺失值和长尾分布，严重影响数据驱动方法的性能（第2.2节，第3.4节）。\n- **可解释性缺失**：深度学习模型黑盒特性使其在安全敏感应用中可靠性不足（第2.2节，第3.5节）。\n\n#### 3. 正式目标或优化目标\n\n论文的形式目标（形式化定义见第2.1节）：给定观测轨迹 $X_i^T$、邻居轨迹 $X_{1:N\\setminus i}^T$ 和场景信息 S，学习模型 $f_{\\mathrm{TP}}$ 预测 K 条未来轨迹 $\\hat{Y}_{i,K}^{\\tau}$，即 $\\hat{Y}_{i,K}^{\\tau}=f_{\\mathrm{TP}}(X_i^T, X_{1:N\\setminus i}^T, S)$。当 $K=1$ 时为确定性预测，期望最小化与真实轨迹 $Y_i^T$ 的误差；当 $K>1$ 时为多模态预测，旨在预测所有可接受的未来轨迹分布。\n\n#### 4. 成功标准（指标或期望属性）\n\n- **定量指标**：平均位移误差（Average Displacement Error, ADE）和最终位移误差（Final Displacement Error, FDE），定义见第4.1节公式（2）。论文在多个主流数据集（SDD、ETH/UCY、NBA、JAAD/PIE）上比较SOTA方法的ADE/FDE值（见第4节表8-表10）。\n- **定性期望**：同时提升预测的准确性、效率和可靠性；解决五类挑战；并为该领域提供清晰的挑战-解决方案映射（见第3节和第1节贡献）。\n\n\n## 模块 C2：有哪些相关研究？（最强基线/最相近思路/正交方向） / Module C2: What related research exists? (strongest baseline, closest approach, orthogonal directions)\n\n## 模块C2：相关工作分析\n\n### 1. 最强基线与比较轴\n\n- **最强基线**：在公开基准（SDD、ETH/UCY、NBA）上表现突出的代表性方法包括：CSR（SDD上ADE=4.87, FDE=6.32，表8）、BNSP-SFM（ETH/UCY平均ADE=0.16, FDE=0.24，表9；SDD上ADE=6.46, FDE=10.49）、STGLow（ETH/UCY平均ADE=0.15, FDE=0.28，表9）、MUSE-VAE（SDD上ADE=6.36, FDE=11.10，表8；ETH/UCY未列出但SDD表现好）。这些方法分别代表了CVAE级联、贝叶斯社交力模型、流式生成模型、多尺度VAE等不同技术路线。\n- **比较轴**：本文的比较轴不是单一方法，而是按五大挑战（运动不确定性、交互建模、场景理解、数据问题、可解释性）分别对比各类解决方案的ADE/FDE指标（表1、表8-10）以及方法特性（表2-6）。不同挑战下的基线不同：运动不确定性以SocialVAE、TDOR、MID、MUSE-VAE、Goal-SAR为代表性比较对象；交互建模以AgentFormer、DynGroupNet、CSR、STSF-Net、LSSTA为代表；场景理解以Chen等、Peng等、IRLSOT、CTSGI、MGSU、SEAD为代表；数据问题以Qi等、Makansi等、FEND、GC-VRNN、BOsampler、INGRAIN为代表；可解释性以SAnchor、SIT、Cao等、BNSP-SFM为代表。\n- **核心比较维度**：预测精度（ADE/FDE）+ 挑战解决能力（是否解决运动不确定性、交互建模等）。\n\n### 2. 最接近的方法与关键差异\n\n- **最接近的方法**：本文是一篇综述，最接近的工作是已有的行人轨迹预测综述，特别是Rudenko等（ref. [^10]，2020）、Teeti等（ref. [^11]，2022）、Sighencea等（ref. [^13]，2021）、Korbmacher等（ref. [^14]，2022）以及Huang等（ref. [^12]，2023）。\n- **关键差异**：\n  - 与Rudenko等（ref. [^10]）相比，该综述虽提出了三维分类（基于运动建模方法和上下文信息），但未明确讨论挑战；本文则系统总结了五类挑战并对应解决方案。\n  - 与Teeti等（ref. [^11]）相比，其针对自动驾驶场景，虽提及动态、多智能体、随机性等挑战，但未梳理解决方案；本文则对每类挑战给出了具体的解决方案汇总。\n  - 与Sighencea等（ref. [^13]）和Korbmacher等（ref. [^14]）相比，它们仅按网络架构（RNN、CNN、GAN等）分类，或比较深度学习和知识驱动方法，没有从挑战角度组织内容；本文从挑战出发，更具问题导向性。\n  - 与Huang等（ref. [^12]）的多模态轨迹预测综述相比，本文覆盖更全面，不仅限于多模态，还包括数据问题和可解释性。\n\n### 3. 正交方向\n\n- **与传统方法（运动学模型、机器学习模型）**：传统方法如常速度模型、SVM、DBN等，不属于深度学习方法，本文仅作为背景对比，不深入讨论。\n- **面向自动驾驶的轨迹预测**：部分工作如Teeti等（ref. [^11]）聚焦于车辆意图与轨迹预测，与行人预测有交叉但重点不同。\n- **面向群体动力学模拟**：如Korbmacher等（ref. [^14]）比较深度学习和基于知识的方法，强调集体动力学模拟，本文主要面向预测精度和挑战解决。\n- **生成式模型的理论研究**：如扩散模型、CVAE、GAN的理论改进（如OOD处理、模式崩塌）属于生成模型领域，与行人轨迹预测结合但可从更广泛视角研究。\n\n### 4. 论文定位（一句话）\n\n本文是一篇以挑战为组织线索的深度学习行人轨迹预测综述，系统梳理了运动不确定性、交互建模、场景理解、数据问题和可解释性五大挑战及其解决方案，并汇总了主流数据集与SOTA结果，为后续研究提供了问题导向的参考框架。\n\n### 5. 方法→核心思想→局限性总结\n\n- **CSR（Cascade CVAE）**：核心思想是级联CVAE逐帧生成轨迹，避免误差累积，并通过社交感知回归细化交互。局限性：计算成本高，依赖多阶段训练。\n- **BNSP-SFM（贝叶斯神经社交力模型）**：核心思想是融合社交力模型和贝叶斯神经网络，分离aleatoric和epistemic不确定性，提升可解释性。局限性：对复杂交互和高维场景的扩展性有限。\n- **STGLow（流式生成模型）**：核心思想是用归一化流直接建模数据分布，结合GNN和Transformer捕捉时空依赖。局限性：流模型对高维轨迹的建模复杂度高，训练效率可能受限。\n- **MUSE-VAE（多尺度VAE）**：核心思想是宏观预测目标、微观预测轨迹，联合建模环境与运动。局限性：对场景语义依赖较强，长期预测中误差积累。\n- **现有综述**：核心思想是分类梳理已有方法，但缺乏从挑战角度的系统讨论和对应解决方案的总结。局限性：分类维度单一，未覆盖数据问题和可解释性。\n\n\n## 模块 C3：论文如何解决这个问题？（流程图文字版） / Module C3: How does the paper solve the problem? (include a text flowchart)\n\n## 模块C3：论文如何解决问题？\n\n### 1. 分类框架概述（Taxonomy or classification framework overview）\n\n本文为综述，围绕深度学习行人轨迹预测的五大挑战，构建了“挑战—解决方案”的分类框架。该框架按挑战维度划分：运动不确定性、交互建模、场景理解、数据相关问题和可解释性。每个挑战下再细分解决方案类别，形成层次化结构（见图1和论文第3节）。\n\n### 2. 主要分类轴或对比维度（Main classification axes or comparison dimensions）\n\n- **挑战维度**：运动不确定性、交互建模、场景理解、数据问题、可解释性（第2.2节明确划分）。\n- **解决方案维度**：针对每个挑战，再按技术思路细分。\n  - 运动不确定性：多样性预测（GAN/CVAE）、扩散模型、目标预测。\n  - 交互建模：时空融合（RNN/CNN/Transformer）、未来交互建模。\n  - 场景理解：场景-轨迹融合、混杂效应（因果推断）。\n  - 数据问题：缺失值处理、长尾分布处理。\n  - 可解释性：与手工方法结合（DCM、逻辑规则）、与机器学习方法结合（决策树、贝叶斯SDE）。\n- **对比维度**：在每类解决方案中，通过表格（表1-表6）对比不同模型的年份、ADE/FDE性能、适用场景（Pedestrians）等。\n\n### 3. 代表性工作分组及重要性（Representative work grouping and why the grouping matters）\n\n- **运动不确定性**：\n  - 多样性预测：Social GAN、Social-BiGAT、Social Ways、MG-GAN、SEEM等，利用GAN生成多模态轨迹；SocialVAE、TDOR等利用CVAE。重要性：处理行人行为内在随机性和多模态性。\n  - 扩散模型：MID、LED、UPDD等，通过扩散-去噪过程建模不确定性。重要性：避免GAN模式崩溃和CVAE输出失真。\n  - 目标预测：Y-net、MUSE-VAE、Goal-SAR、ForceFormer等，预测目标或方式点作为条件。重要性：引入意图先验，提升长时预测准确性。\n- **交互建模**：\n  - 时空融合：AgentFormer、DynGroupNet、STSF-Net、LSSTA等，利用RNN/CNN/Transformer/图神经网络捕获时空交互。重要性：交互是动态过程，需同时建模时间和空间。\n  - 未来交互建模：CSR、Latentformer等，预测未来状态以建模未来交互。重要性：避免冲突，提升轨迹合理性。\n- **场景理解**：\n  - 场景-轨迹融合：IRLSOT、Peng et al.、MGSU等，通过语义分割或CNN提取场景特征，再用注意力或IRL融合。重要性：将环境约束纳入预测。\n  - 混杂效应：Chen et al.、SEAD、CTSGI等，构建因果图，用反事实分析或Do-calculus消除环境偏差。重要性：提高新环境泛化性。\n- **数据相关问题**：\n  - 缺失值处理：Qi et al.、GC-VRNN、INGRAIN等，利用VAE、GNN等插补。重要性：传感器遮挡等导致数据不完整。\n  - 长尾分布：Makansi et al.、FEND、BOsampler等，用对比学习、重采样等技术。重要性：尾部样本稀少导致预测偏差。\n- **可解释性**：\n  - 与手工方法结合：SAnchor、Cao et al.等，用DCM或逻辑规则提供可解释意图。重要性：安全相关应用需要透明度。\n  - 与机器学习方法结合：SIT（决策树）、BNSP-SFM（贝叶斯SDE）等。重要性：融合可解释模型和深度学习的泛化能力。\n每个分组对应论文提出的不同挑战解决路径，使读者能依据挑战定位技术方案，是综述的核心贡献。\n\n### 4. 分类图（Taxonomy diagram）\n\n```mermaid\nflowchart TD\n  A[\"深度学习行人轨迹预测挑战\"] --> B[\"运动不确定性\"]\n  A --> C[\"交互建模\"]\n  A --> D[\"场景理解\"]\n  A --> E[\"数据相关问题\"]\n  A --> F[\"可解释性\"]\n\n  B --> B1[\"多样性预测（GAN/CVAE）\"]\n  B --> B2[\"扩散模型\"]\n  B --> B3[\"目标预测\"]\n\n  C --> C1[\"时空融合\"]\n  C --> C2[\"未来交互建模\"]\n\n  D --> D1[\"场景-轨迹融合\"]\n  D --> D2[\"混杂效应（因果推断）\"]\n\n  E --> E1[\"缺失值处理\"]\n  E --> E2[\"长尾分布处理\"]\n\n  F --> F1[\"与手工方法结合\"]\n  F --> F2[\"与机器学习方法结合\"]\n```\n\n\n## 模块 C4：实验数据集与实现设置（数据集/场景、为何选择、验证哪些关键特性） / Module C4: Datasets and implementation settings (what datasets/scenarios, why chosen, what they validate)\n\n## 模块C4：数据集、基准与评估/实现设置\n\n### 1. 数据集覆盖\n\n论文在第4.2节系统梳理了五个主流行人轨迹预测数据集，覆盖了从校园场景到交通场景再到体育场景的不同类型，具体包括：\n\n- **Stanford Drone Dataset (SDD) [^38]**：由无人机在斯坦福大学60个不同场景中采集，包含行人、骑行者、滑板者、车辆等多种智能体轨迹。提供场景俯视图像及智能体的像素坐标，场景要素包括道路、人行道、建筑、停车场、植被等。常用划分遵循TrajNet [^88] 定义（训练、验证、测试集划分见表7），观测和预测时域分别为8个时间步（3.2秒）和12个时间步（4.8秒）。该数据集主要用于评估多模态和长时预测方法。\n- **ETH [^98] 和 UCY [^99]**：ETH包含ETH和Hotel两个场景，UCY包含ZARA1、ZARA2、UNIV三个场景。所有场景均采用俯视监控摄像头拍摄，共包含1536个行人，记录数千条非线性轨迹。行人行为复杂，包括不同方向移动、并排行走、避碰、静止等。处理方法同SDD，观测/预测时域为8/12时间步（3.2秒/4.8秒）。该数据集是评估行人轨迹预测最常用的基准。\n- **NBA SportVU数据集**：由NBA使用SportVU追踪系统在真实比赛中采集，包含10名球员和篮球的轨迹，属于高交互性体育场景。用于预测未来4.0秒的20条轨迹，使用过去2.0秒的轨迹作为观测。该数据集反映了严格规则约束下的群体协作交互。\n- **JAAD [^103] 和 PIE [^104]**：JAAD记录240小时以上驾驶录像中交叉路口的车辆和行人轨迹，包含346段5–10秒短视频，涵盖多种天气下的城市驾驶场景。PIE由车载摄像头采集，共6小时，包含300,000标注帧、1842个行人样本，并同步了车速、方向、GPS等传感器信息。两者重点在于行人过街意图预测，更贴近实际自动驾驶应用。\n\n**领域代表性**：这四个数据集分别代表不同典型场景——校园/城市开放场景（SDD）、固定机位监控场景（ETH/UCY）、高交互体育竞技场景（NBA）、车载视角交通场景（JAAD/PIE），覆盖了行人轨迹预测的主要应用领域，能够评估模型的泛化能力。\n\n### 2. 基准覆盖与组织方式\n\n论文将基准使用组织为三类：\n\n- **按挑战分类的组织**：在表1（CF第3.1.4节）中，针对运动不确定性挑战，在SDD上比较了多样性预测（SocialVAE、TDOR）、扩散模型（MID）、目标预测（MUSE-VAE、Goal-SAR）等方法的ADE/FDE，直接对比同一数据集上不同解决方案的性能。\n- **按数据集汇总SOTA**：表8（SDD）、表9（ETH/UCY）、表10（NBA）分别列出各数据集上的先进模型及其指标，并按ADE/FDE排序，便于横向比较。表中不仅包含论文前述挑战解决方案中的模型，还纳入其他领域通用模型（如P2T、MANTRA、LB-EBM等），体现该数据集的广泛认可度。\n- **具体数据集的特点讨论**：在表8、表9、表10的叙述中，作者不仅罗列数值，还分析顶级模型（如CSR在SDD上最佳、BNSP-SFM/STGLOW在ETH/UCY上最佳、LED在NBA上最佳）的成功原因，将模型设计与数据集特性关联。\n\n### 3. 评估协议覆盖与不一致性\n\n- **评估指标**：主要使用平均位移误差（ADE）和最终位移误差（FDE），定义见公式(2)（第4.1节）。论文统一采用这两个指标，保证可比性。\n- **评估协议**：对不同数据集采用了不同的观测和预测时域设置：SDD与ETH/UCY统一为8/12个时间步（3.2s/4.8s）；NBA为2.0s观测、4.0s预测，并报告1.0s、2.0s、3.0s、4.0s四个时间点的ADE/FDE；JAAD/PIE未给出具体时域设置，但提及经典方法SGNet等。\n- **协议不一致性**：论文未显式讨论协议不一致问题，但不同数据集采用不同观测/预测长度，且采样频率可能不同（SDD为2.5Hz，ETH/UCY为2.5Hz，NBA可能更高），这导致跨数据集比较时需要谨慎。此外，部分方法采用多模态预测（K>1）时选择的评估方式（如最小ADE/minFDE）未在本文中详述，存在潜在不一致。\n\n### 4. 覆盖选择的重要性和验证意义\n\n- **重要性**：这些数据集覆盖了从静态监控到无人机视角、再到车载动态视角的不同环境，包含了丰富的交互类型（人群、体育、交通），能够全面考验模型对运动不确定性、交互建模、场景理解等挑战的处理能力。通过汇总SOTA，论文验证了不同解决方案在统一基准上的有效性，为读者提供了选择方法的依据。\n- **验证意义**：\n  1. 在SDD上，CSR取得最佳ADE（4.87）和FDE（6.32），说明未来交互建模（级联CVAE）在此类开放场景中优势明显；MUSE-VAE等目标预测方法次优，表明多粒度目标建模有效。\n  2. 在ETH/UCY上，BNSP-SFM和STGLow均表现突出，前者强调可解释性，后者采用流模型，说明不同思路均可达到顶尖性能。\n  3. 在NBA上，LED（扩散模型加速）取得最佳，体现扩散模型在高交互复杂运动预测中的潜力。\n  这些结果验证了论文所分类的挑战（运动不确定性、交互建模等）与解决方案之间关联的有效性，也为后续研究者选择基准和方法提供了参考。\n- **局限性**：论文未给出这些数据集的官方下载链接，也未讨论数据预处理细节（如坐标归一化、数据划分具体文件），这会增加读者复现的难度。此外，JAAD/PIE仅提及数据集规模，未提供整体SOTA对比表，覆盖不如前三者完整。\n\n\n## 模块 C5：指标与结果（指标、结果、各指标对应的创新点） / Module C5: Metrics and results (metrics, results, which innovations each metric reflects)\n\n## 模块C5：指标与结果\n\n### 1. 指标定义\n\n论文采用两个主流评估指标（第4.1节，公式(2)）：\n\n- **平均位移误差（ADE）**：预测轨迹与真实轨迹在预测时间范围内所有时间步的平均欧氏距离，公式为 \\(ADE=\\frac{\\sum_{i=1}^{N}\\sum_{t=1}^{T_{pred}}\\parallel\\hat{Y}_{t}^{i}-Y_{t}^{i}\\parallel_{2}}{N\\times T_{pred}}\\)。\n- **最终位移误差（FDE）**：预测轨迹与真实轨迹在最终时间步的欧氏距离，公式为 \\(FDE=\\frac{1}{N}\\sum_{i=1}^{N}\\parallel\\hat{Y}_{T_{pred}}^{i}-Y_{T_{pred}}^{i}\\parallel_{2}\\)。\n- 指标均为像素距离（SDD）或归一化坐标距离（ETH/UCY）的L2范数，数值越低表示预测越准确。\n\n### 2. 代表前人工作的比较模式\n\n论文在第3节和表1、表8-表10中报告了不同方法的性能，典型比较模式如下：\n\n- **按挑战类别对比**：在运动不确定性挑战（表1）中，对比多样性预测（SocialVAE、TDOR）、扩散模型（MID）和目标预测（MUSE-VAE、Goal-SAR）三类方法在SDD上的ADE/FDE。TDOR（6.77/10.46）和MUSE-VAE（6.36/11.10）优于其他方法，而MID（7.61/14.30）居中。\n- **按数据集对比SOTA**：表8列出SDD上20种方法，表9列出ETH/UCY上19种方法，表10列出NBA上5种方法。这些表格均按ADE/FDE数值排序，突出最优方法（如CSR在SDD上取得4.87/6.32，BNSP-SFM和STGLOW在ETH/UCY上取得平均0.16/0.24和0.15/0.28）。\n- **跨论文比较**：论文引用不同方法的原始论文结果，并分析其优劣，例如MUSE-VAE因多尺度不确定性建模优于Goal-SAR，CSR因级联CVAE避免误差累积而显著领先。\n\n### 3. 论文间的共识与分歧\n\n- **共识**：多数研究认可ADE/FDE作为标准评估指标（第4.1节）；深度学习模型在短期预测上优于传统方法；多模态预测（生成多种轨迹）优于确定性预测；场景理解、交互建模对预测性能有显著影响。\n- **分歧**：\n  - 生成方法的选择：GAN、CVAE、扩散模型、流模型（flow-based）各有优劣，如CVAE可能生成不真实轨迹，GAN易模式崩溃或产生OOD样本（第3.1节）。\n  - 目标预测是否必要：SGNet强调多时间尺度目标的重要性，而CSR通过级联结构避免累积误差，两者在性能上各有优势。\n  - 数据集适用性：SDD与ETH/UCY在场景、精度上有差异，同一方法在不同数据集上排名可能不同（例如MID在SDD上ADE为7.61，但在ETH/UCY平均为0.21/0.38，表现中等）。\n  - 可解释性 vs 精度：结合传统规则（如SAnchor、决策树）的方法精度通常低于端到端深度方法，但可解释性更强，BNSP-SFM在ETH/UCY上达到最优平均，表明可解释性与精度可兼得。\n\n### 4. 基准解释与证据强度\n\n- **基准解释**：论文对各数据集的分析基于公开的基准拆分（如SDD采用TrajNet划分，ETH/UCY采用标准划分）。表8-表10的结果均引自原论文，但未进行实验复现，属于文献汇总型证据。\n- **证据强度**：\n  - 高：多个独立方法在同一数据集上的一致表现增强了结论的可靠性，例如SDD上CSR显著优于其他方法（差距大于1.5 ADE），ETH/UCY上BNSP-SFM与STGLow的平均值接近，但STGLow在ETH子集上稍逊。\n  - 中：不同方法实验设置（如采样数K、预测时长）可能不完全一致，论文未详细列出所有超参数，因此跨论文比较存在一定误差。\n  - 低：论文未提供置信区间或显著性检验，仅报告数值，因此方法间的微小差距（如0.01的差异）可能无统计显著性。\n- **整体判断**：各项SOTA数字具有参考价值，但引用时需谨慎，建议读者查阅原始论文确认实验细节。\n\n\n## 模块 C6：有什么可以进一步探索的点？（理论/工程/数据/评测） / Module C6: What can be further explored? (theory/engineering/data/evaluation)\n\n## 模块C6：未来可探索方向\n\n基于论文第5节“结论与展望”及其他章节提及的开放问题，从理论、工程和数据/评估三个维度提出可进一步探索的研究方向。\n\n### 1. 理论方向\n\n- **不确定性建模与意图推断的深度融合**（论文第3.1节、第5节）：当前方法通过多样性预测、扩散模型或目标预测来处理运动不确定性，但对行人深层意图（如心理状态、认知过程）的建模仍不充分。可探索将认知科学中的意图推理框架与深度概率模型（如分层贝叶斯模型、因果推断）结合，从理论上统一处理行人的内生不确定性与外生环境不确定性（第3.1.3节，表2）。此外，论文指出“未来交互行为具有不确定性且会被放大”（第3.2.3节），可进一步研究交互不确定性的理论下界及其对长时预测的影响。\n- **可解释性的形式化理论框架**（第3.5节）：目前可解释性多依赖与手工规则或简单机器学习方法的组合，缺乏形式化的可解释性度量。可探索将神经网络的表征与离散选择模型、逻辑规则进行理论融合，建立“预测-解释”的联合优化目标，并量化解释的保真度与因果效度。论文也提及LLM的幻觉问题（第3.5.3节），需研究基于约束或验证的LLM解释生成理论。\n\n### 2. 工程方向\n\n- **轻量化与实时化模型设计**（第5节展望(2)）：论文明确提到预测模型复杂度与效率的权衡，以及记忆增强网络的高内存消耗（第5节）。可研究神经架构搜索、模型剪枝、知识蒸馏等轻量化技术，在保持预测精度的同时实现实时推理。特别地，可结合扩散模型的加速采样（如Leapfrog Initializer，第3.1.2节）和注意力机制的高效变体，开发面向边缘设备的可部署系统。\n- **异构智能体轨迹预测的系统集成**（第5节展望(1)）：现实交通场景包含行人、车辆、自行车等异构智能体，其交互复杂。可构建统一的多智能体预测框架，融合不同运动学模型和图神经网络，支持动态场景下的实时协同预测。论文也强调了鲁棒性（第5节展望(3)），需在工程实现中考虑对抗攻击和传感器噪声的影响，设计防御性训练和在线鲁棒化机制。\n- **轨迹预测与运动规划的一体化系统**（第5节展望(4)）：论文指出预测常被用于下游规划（如第5节引用[^94]）。工程上可开发端到端的“预测-规划”联合优化系统，将预测的不确定性直接转化为规划的安全约束，并考虑交互式决策。\n\n### 3. 数据/评估方向\n\n- **数据缺失与长尾分布的根本性解决方案**（第3.4节）：论文指出现有方法只能缓解而不能解决数据缺失和长尾问题，并建议从数据构建本身改进（第3.4.3节）。可探索生成式数据增强（如基于扩散模型的轨迹合成）以丰富尾部样本，或设计自监督预训练范式利用无标注数据补全缺失轨迹。同时，可开发新的数据采集协议以减少遮挡和传感器失效造成的缺失。\n- **更丰富的评估指标与基准**：目前主用ADE/FDE（第4.1节），但该指标无法全面反映多模态预测的多样性、安全性或可解释性。可设计新指标，如预测分布与真实分布的KL散度、碰撞概率、可解释性评分、异常轨迹检测率等。此外，论文汇总的SOTA结果多基于相同数据集，缺乏跨域泛化、低光照/恶劣天气等真实场景的评测，可构建更具挑战性的基准测试。\n- **利用大规模真实世界轨迹数据**：论文提及当前数据集多来自俯视视角，难以捕捉行人面部和肢体细节（第3.2.3节），限制了心理状态建模。可推动高精度多模态数据集的建设，融合视频、LiDAR、IMU和语义地图，并标注行人意图和交互标签。同时，可研究数据高效学习技术，如少样本学习、领域自适应，以缓解对大规模标注数据的依赖。\n\n\n## 模块 C7：现实场景如何体现/实现？（部署约束、算力、延迟、鲁棒性） / Module C7: How would this work in real-world scenarios? (deployment constraints, compute, latency, robustness)\n\n## 模块C7：实际应用中的体现\n\n### 1. 部署约束\n\n- **实时性要求**：行人轨迹预测广泛应用于自动驾驶、智能交通、服务机器人等场景，这些场景对预测的实时性有严格要求。论文在第5节（结论与展望）中明确指出，在实际场景中应用轨迹预测需要平衡效率与准确性，而深度学习模型往往难以同时满足这两者。例如，考虑更多因素（如场景语义、交互、目标）会提高预测精度，但增加模型复杂度和推理延迟（§5，第2点）。因此，设计轻量级网络架构成为关键方向。\n- **计算资源**：论文在3.1.4节（运动不确定性总结）中提及，场景上下文理解需要额外的计算资源开销，这可能影响实时处理。为缓解此问题，需要更强大的硬件设备或更轻量的场景理解算法（§3.1.4，建议部分）。这也意味着在资源受限的边缘设备（如车载嵌入式平台）上部署时，需进行量化、剪枝或知识蒸馏等优化。\n- **硬件依赖**：部分方法如扩散模型（diffusion model）需要多次采样迭代，计算成本高（§3.1.2，第5段）。LED方法通过跳跃式初始化解耦来加速推理（§3.1.2，第5段）。但即便如此，在车载设备上仍需专用加速器（如GPU、NPU）支持。\n\n### 2. 计算与延迟影响\n\n- **模型复杂度与延迟的权衡**：论文第5节第2点指出，轨迹预测模型越复杂，预测越准确，但效率降低。例如，结合场景语义分割（如SegFormer）的方法（§3.3.1）计算开销大；而因果推断（§3.3.2）也需额外计算。\n- **具体技术延迟**：扩散模型（如MID）需要多步去噪，延迟高；LED通过跳跃初始化减少步数，提升推理速度（§3.1.2）。CVAE和GAN方法在训练和推理时也存在不同开销：CVAE需采样潜变量，GAN可能出现模式坍塌（§3.1.1）。\n- **实时性方案**：论文建议结合历史运动规律、场景上下文和典型运动模式来预测意图，并强调“选择合适轨迹以适配下游任务”（§3.1.4，建议部分），这暗示了在实际应用中可能需要多假设/多模态输出的裁剪机制以控制延迟。\n- **延迟敏感场景**：自动驾驶中的规划循环通常要求100ms内完成预测，因此轻量化Transformer（如ForceFormer）或集成了Leapfrog初始化器的扩散模型更可行。\n\n### 3. 鲁棒性与安全性问题\n\n- **数据缺陷**：轨迹数据常存在缺失值（如遮挡、传感器失效）和长尾分布（多数简单运动模式，少数复杂运动），直接影响预测可靠性（§3.4）。不完整数据可能导致误预测，尤其在安全关键场景（如无人驾驶）中。\n- **对抗攻击**：论文在第5节第3点专门讨论模型鲁棒性，指出攻击者可通过后门攻击污染训练数据，或在推理阶段修改模型过程（§5，第3段）。这要求模型具备抗干扰能力，否则可能导致严重事故。\n- **环境偏差**：训练环境与应用环境之间的偏差（环境混淆效应）可能导致在新的环境中产生错误预测（§3.3.2）。因果推断被用于缓解这一影响，但仍有局限性。\n- **安全冗余**：论文建议在轨迹预测中考虑最坏情况（如长尾预测不确定性下的规划器设计，§3.4.2），表明实际部署时需要结合安全验证和冗余机制。\n- **可解释性**：黑盒模型在安全相关应用中不可靠，缺乏可解释性会降低操作者信任度（§3.5）。可解释性差的模型难以审计和调试，尤其在事故分析中。\n\n### 4. 可维护性\n\n- **模型更新与适配**：轨迹预测模型需适应不断变化的环境（新场景、新交互模式）。论文强调需要收集更多高质量、多样化的轨迹数据，并直接从数据构建层面解决数据问题（§3.4.3，局限性部分）。这要求系统具备持续学习或增量更新能力，以维护长期效能。\n- **可解释性维护**：将深度模型与手工规则（如决策树、离散选择模型）结合可提高可解释性，但可能牺牲精度（§3.5.3）。在维护时需要权衡模型透明度和性能。\n- **模块化设计**：部署系统需考虑各组件（如感知、预测、规划）的耦合。论文在第5节第4点建议将预测与运动规划集成，这意味着维护时需保证接口稳定和可替换性。\n- **监控与诊断**：由于模型可能存在漂移（数据分布变化），需要监控预测质量的实时指标（如ADE/FDE），并建立回退机制（如当模型置信度低时采用保守策略）。论文提到的长尾问题（§3.4）要求持续的数据收集以更新模型，这涉及数据管道维护。\n- **法律与合规**：考虑隐私和伦理问题，行人轨迹数据涉及个人隐私，需符合数据保护法规。论文虽未明确提及，但实际部署必须考虑。\n\n综上，该论文所综述的方法在从研究到产品化过程中，必须解决实时性、资源约束、鲁棒性和可维护性等关键工程问题。文中提出的未来方向（轻量化、鲁棒性、规划集成）正是对应这些部署需求的。\n\n\n## 模块 C8：总结主要内容（一段摘要 + 5 条要点 + 1 个核心公式/机制） / Module C8: Summarize the main content (one paragraph + 5 bullets + one core formula/mechanism).\n\n本综述系统梳理了基于深度学习的行人轨迹预测方法所面临的五大核心挑战：运动不确定性、交互建模、场景理解、数据相关问题以及模型可解释性，并针对每类挑战总结了代表性解决方案。在运动不确定性方面，综述比较了多样性预测（GAN/CVAE）、扩散模型和终点预测三种路线，指出终点预测（如MUSE-VAE）在SDD上表现最佳（ADE 6.36），而扩散模型MID虽精度居中但计算成本高。针对交互建模，主流方法包括社会池化、注意力机制、图神经网络及基于Transformer的时空融合，近年兴起利用预测的未来状态进行交互建模（如CSR），在SDD上达到当前SOTA（ADE 4.87）。场景理解一方面通过语义分割或CNN提取场景特征并与轨迹融合，另一方面采用因果推断消除环境混淆偏差，其中反事实分析（如Chen et al., 2021）能有效提升跨场景泛化。数据问题主要涵盖缺失值填补和长尾分布处理，该类方法（如FEND、BOsampler）能缓解但无法根除，需从数据采集本身改进。可解释性研究通过将离散选择模型、决策树或贝叶斯神经网络与深度学习结合来获得可解释的预测，但通常在精度上有一定牺牲。此外，综述提供了SDD、ETH/UCY、NBA、JAAD/PIE等主流数据集上的SOTA对比，并指出未来应关注异构智能体预测、轻量级模型、鲁棒性以及预测与规划一体化等方向。\n\n## 五点关键要点\n\n1. 行人轨迹预测的核心挑战可归纳为五类：运动不确定性、交互建模、场景理解、数据问题与可解释性，且每类挑战均有相应的解决框架。\n2. 针对运动不确定性，基于终点预测的方法（如MUSE-VAE、Y-net）在SDD上显著优于单纯多样性生成（GAN/CVAE）和扩散模型，说明明确意图建模更高效。\n3. 在交互建模中，利用预测的未来信息进行交互建模（如CSR）比仅基于历史轨迹的建模效果更好，CSR在SDD上获得当前最佳ADE/FDE（4.87/6.32）。\n4. 场景理解的关键不仅是提取语义，还需处理环境偏差，因果推断和反事实分析能有效消除混淆效应，提升模型在新环境中的泛化性。\n5. 数据长尾分布和缺失值问题目前只能缓解而无法彻底解决，未来需从数据采集源头改进，同时可解释性方法（如集成决策树或贝叶斯SDE）在精度上仍有提升空间。\n\n**核心公式（轨迹预测目标函数）**\n\\[\n\\hat{Y}_{i,K}^{\\tau}=f_{\\mathrm{TP}}\\left(X_{i}^{T}, X_{1:N\\setminus i}^{T}, S\\right)\n\\]\n其中 \\(X_i^T\\) 为目标行人历史轨迹，\\(X_{1:N\\setminus i}^T\\) 为邻居历史轨迹，\\(S\\) 为场景信息（如LIDAR、HD地图、图像），\\(K\\) 为采样轨迹数，当 \\(K=1\\) 时为确定性预测，否则为多模态轨迹预测（MTP）。该公式描述了轨迹预测模型的输入与输出，同时对应论文中评估指标ADE和FDE的计算基础。\n\n\n## 模块 D：第二遍内容理解（方法结构/关键图表/实验） / Module D: Second Pass (method structure, key figures, experiments)\n\n## 模块D：第二遍深入理解\n\n### 1. 分类结构（Taxonomy）\n\n本综述以\"挑战-解决方案\"为主线构建分类体系，将深度学习行人轨迹预测的挑战归纳为五个方面：\n\n- **运动不确定性**（Motion Uncertainty）\n- **交互建模**（Interaction Modeling）\n- **场景理解**（Scene Understanding）\n- **数据相关问题**（Data-related Issues）\n- **可解释性**（Interpretability）\n\n每一挑战下再细分子类，如运动不确定性分为多样性预测、扩散模型、目标预测；交互建模分为时空融合与未来交互建模；场景理解分为场景-轨迹融合与混杂效应；数据问题分为缺失值处理与长尾分布；可解释性分为与手工方法结合以及与机器学习方法结合。\n\n### 2. 代表性簇及分离方式\n\n- **运动不确定性**：分为三类：\n  - 多样性预测（GAN、CVAE）\n  - 扩散模型\n  - 目标预测\n  分离依据：生成策略的不同（显式生成多模态、迭代去噪、基于意图）\n- **交互建模**：分为时空融合（LSTM/CNN/Transformer）与未来交互建模（考虑未来状态）\n  分离依据：是否显式利用未来交互信息\n- **场景理解**：分为场景-轨迹融合（语义分割/CNN特征）与混杂效应（因果推断）\n  分离依据：处理场景信息的方式（融合 vs. 消除环境偏差）\n- **数据问题**：分为缺失值处理与长尾分布处理\n  分离依据：数据类型缺陷的类型\n- **可解释性**：分为与手工方法（DCM、逻辑规则）结合以及与机器学习（决策树、贝叶斯）结合\n  分离依据：实现可解释性的技术来源\n\n### 3. 重要图表解读\n\n#### 图1（Overview of challenges and solutions，第2.2节）\n\n该图以示意图的形式展示了五类挑战及其对应解决方案的总体架构，是将全文组织结构进行视觉化的概览。它帮助读者快速定位不同挑战的解决策略，是综述的主干框架图。\n\n#### 图2（GAN与CVAE结构图，第3.1.1节）\n\n图2a展示了GAN的结构，包含生成器和判别器，生成器通过随机噪声生成多样轨迹，判别器区分真伪；图2b展示了CVAE的结构，编码器将输入映射到潜在分布，采样后由解码器生成多条轨迹。该图对比了两种主流多模态轨迹生成框架，说明它们如何应对运动不确定性。\n\n#### 表1（SDD上不确定性预测方法对比，第3.1.4节）\n\n该表列出五种方法在SDD上的ADE/FDE数值，显示TDOR和MUSE-VAE表现最佳（6.77/10.46和6.36/11.10），说明多样性预测和目标预测方法效果较好，而扩散模型MID性能居中（7.61/14.30）。此表支持了文中对各策略优劣的定性论断。\n\n#### 表9（ETH/UCY上的SOTA结果，第4.2节）\n\n该表展示了18种方法在五个子集上的ADE/FDE，其中BNSP-SFM和STGLow平均表现最优（0.16/0.24和0.15/0.28），文中的分析指出前者因可解释性而受益，后者因流式生成模型而准确。该表体现了不同挑战解决方案在标准基准上的综合效果对比。\n\n### 4. 对比表格解读与覆盖结构\n\n综述共包含10个表格，覆盖各挑战的解决方法与性能对比：\n\n- 表1：不确定性预测方法在SDD上的结果（限于5种方法）\n- 表2：运动不确定性方法总结（16种，按年份排列）\n- 表3：交互建模方法总结（5种）\n- 表4：场景理解方法总结（6种）\n- 表5：数据问题方法总结（6种）\n- 表6：可解释性方法总结（4种）\n- 表7：SDD数据集划分（场景列表）\n- 表8：SDD上的SOTA结果（21种方法）\n- 表9：ETH/UCY上的SOTA结果（18种方法）\n- 表10：NBA数据集上的SOTA结果（5种方法）\n\n这些表格按挑战进行组织，每个挑战对应一个总结表，并将SOTA结果表置于数据集部分，形成\"挑战-方法-评估\"的结构，便于横向对比。\n\n### 5. 综述综合图解（Survey Synthesis Diagram）\n\n```mermaid\nflowchart TD\n    A[深度学习行人轨迹预测挑战] --> B[运动不确定性]\n    A --> C[交互建模]\n    A --> D[场景理解]\n    A --> E[数据相关问题]\n    A --> F[可解释性]\n\n    B --> B1[多样性预测: GAN/CVAE]\n    B --> B2[扩散模型]\n    B --> B3[目标预测]\n\n    C --> C1[时空融合: LSTM/CNN/Transformer]\n    C --> C2[未来交互建模]\n\n    D --> D1[场景-轨迹融合]\n    D --> D2[混杂效应: 因果推断]\n\n    E --> E1[缺失值处理]\n    E --> E2[长尾分布]\n\n    F --> F1[结合手工方法]\n    F --> F2[结合机器学习]\n\n    B1 --> G[性能评估]\n    B2 --> G\n    B3 --> G\n    C1 --> G\n    C2 --> G\n    D1 --> G\n    D2 --> G\n    E1 --> G\n    E2 --> G\n    F1 --> G\n    F2 --> G\n    G[主流数据集: SDD, ETH/UCY, NBA, JAAD/PIE]\n```\n\n该图概括了综述的挑战分类、各挑战下的主要解决方向，以及这些方法最终通过标准数据集进行评估的总体结构。\n\n\n## 模块 E：第三遍深度审视（重建/假设/失败模式/审稿意见） / Module E: Third Pass (reconstruction, assumptions, failure modes, review)\n\n## 模块E：第三遍深度回顾\n\n### 1. 分类学假设\n\n本文提出一种以“挑战-解决方案”为主线的分类体系，将行人轨迹预测的挑战归纳为五类：运动不确定性、交互建模、场景理解、数据相关问题、模型可解释性。该分类视角从预测对象（行人自身）、客观场景、预测模型本身三个维度展开。其隐含假设包括：\n\n- (a) 这五类挑战能够较为完整地覆盖深度学习行人轨迹预测的主要难点（第2.2节）；\n- (b) 各类挑战之间具有可分离性，即可以分别讨论并提出独立解决方案（图1给出对应关系的总览）；\n- (c) 解决方案可以按类别进行归纳和比较，例如将生成模型（GAN/CVAE/扩散模型）归入运动不确定性类别，将社会池化、注意力、GNN等归入交互建模类别；\n- (d) 用ADE和FDE作为主要性能指标可以支撑对SOTA方法的对比分析（第4.1节）。\n这些假设有助于系统化梳理文献，但也可能忽视挑战之间的耦合关系（例如场景理解与交互建模通常需要联合建模）。\n\n### 2. 覆盖偏差\n\n本文的覆盖范围主要集中于2018–2023年发表的深度学习方法，并偏向于计算机视觉领域常见数据集（SDD、ETH/UCY、NBA、JAAD/PIE）上的结果。覆盖偏差体现在：\n\n- **数据集偏差**：SOTA对比主要基于SDD和ETH/UCY，这两个数据集的场景多为中低密度人群和鸟瞰视角，缺乏高密度、复杂交互、极端天气、夜间、遮挡严重等真实挑战场景；JAAD/PIE仅提及而未提供SOTA表格对比，NBA数据集作为额外补充，但整体上对自动驾驶场景中的车辆-行人交互覆盖不足。\n- **方法年份偏差**：文献多集中于2020–2023年，尤其2022–2023年占比较高，对2024年及以后的最新进展（如大语言模型用于轨迹预测的兴起）未作覆盖。\n- **场景语义理解部分的覆盖较薄**：只讨论了场景-轨迹融合和混杂效应，未涉及高精地图、车道级结构、动态障碍物等现代自动驾驶常使用的场景表示。\n- **可解释性部分偏重“混合方法”**（与手工艺方法或机器学习结合），对深度学习自身事后解释（如注意力可视化、梯度归因）缺少讨论。\n- **数据相关问题的讨论有限**：集中讨论了缺失值填充和长尾分布，忽略数据隐私、数据增强、传感器噪声等常见工程问题。\n\n### 3. 盲点或遗漏区域（2–4条）\n\n- **缺少对在线/实时预测以及系统效率的深入分析**：文中虽在展望中提及轻量化模型，但未系统性对比不同方法的推理速度、参数量、运行时内存等效率指标。\n- **未讨论多智能体之间的群体行为与群体涌现性**：交互建模部分主要关注成对或局部交互，对群体分割、社会规范、群体意图、集体运动模式（如人群流）体现不足。\n- **缺少对评估指标局限性的批判性讨论**：仅给出ADE/FDE定义，未分析这些指标在多模态预测中的不足（如最优轨迹选择偏差）或引入更合理的指标（如负对数似然、基于核函数的度量等）。\n- **未讨论数据采集的伦理与隐私问题**：行人轨迹数据涉及个人隐私，而原文仅从技术角度提及数据相关挑战，未涉及法规合规、匿名化等现实部署问题。\n\n### 4. 优点与缺点\n\n### 优点：\n\n- 分类清晰，覆盖面广，围绕五个挑战组织文献，便于读者按主题查阅。\n- 每个挑战下给出了具体的代表性方法和简要描述，表格（表1–表6）提供了元信息（年份、模型、主要思想）并附有SOTA对比（表8–表10），便于横向比较。\n- 对生成模型（GAN/CVAE/扩散模型）在运动不确定性中的应用分析简明，并指出了各自优缺点（如GAN的模式崩溃、CVAE的OOD问题、扩散模型的计算开销）。\n- 在结论中提出了四个有前景的方向（异构智能体、轻量化、鲁棒性、预测与规划结合），具有启发意义。\n\n## 缺点：\n\n- 对每个挑战的解决方案介绍较为简略，多数方法仅用一两句话描述，缺乏对方法本质和适用条件的深入分析。\n- 缺少关键方法的算法伪代码或数学细节（除损失函数外），读者难以复现。\n- 讨论“SOTA”时，不同方法的数据预处理、观测/预测时域可能不一致，但表格未充分注明，可能误导比较。\n- 未给出方法选择指南或权衡分析（例如精度与效率、简单与复杂的取舍），实用性受限。\n- 遗漏了一些重要领域，如基于强化学习的预测、基于模型预测控制的方法，以及车路协同背景下的预测。\n\n### 5. 未来综述更新方向（2–4条）\n\n- **引入大语言模型与基础模型**：随着LLM在多模态推理中的发展，未来综述可系统性梳理LLM如何用于轨迹意图理解、场景常识推理，以及如何平衡其幻觉与计算成本（本文已在可解释性部分提及LLM，但未展开）。\n- **统一评测基准与协议**：建议未来综述倡导建立更统一的评估框架，明确划分确定性/多模态设置、观测时长、采样数量，并考虑更全面的指标（如分布距离、安全相关指标），以提高不同方法之间的可比性。\n- **强化场景与数据多样性**：应纳入更多真实驾驶场景数据（如Argoverse、nuScenes、Waymo等），并讨论跨域迁移、数据生成、合成数据在克服长尾和缺失问题中的作用。\n- **关注系统集成与实时性**：未来综述应涵盖预测-规划联合优化、模型轻量化技术（知识蒸馏、剪枝、量化）以及边缘部署实践，以促进方法走向实际应用。\n\n\n## 模块 F：术语表与概念依赖图 / Module F: Glossary and Concept Map\n\n### 模块F：术语表与概念依赖图\n\n#### 术语表（按论文出现顺序）\n\n1. **Trajectory Prediction / 轨迹预测**\n   - **定义**：基于历史轨迹和环境信息预测对象未来位置的任务。在本文中，正式定义为优化模型 f_TP，输入历史轨迹 X_i^T、邻居轨迹 X_{1:N\\i}^T 和场景信息 S，输出 K 个预测轨迹。\n   - **直觉**：想象猜一个行人下一秒走到哪里，但要用数学和神经网络来做。\n   - **在论文中的作用**：全文的核心研究对象，所有挑战和解决方案都围绕此展开。\n   - **前置知识**：时间序列、坐标系统、回归问题。\n\n2. **Motion Uncertainty / 运动不确定性**\n   - **定义**：行人未来运动的随机性和不可确定性，源于意图、习惯、环境等多种因素，导致无法唯一确定未来轨迹。\n   - **直觉**：一个人可能直走也可能转弯，猜不准。\n   - **在论文中的作用**：五个主要挑战之一（§2.2），在§3.1中详细讨论，对应解决策略为多样性预测、扩散模型和目标预测。\n   - **前置知识**：概率论、随机过程、多模态分布。\n\n3. **Multimodal Trajectory Prediction (MTP) / 多模态轨迹预测**\n   - **定义**：预测 K>1 条可能的未来轨迹，输出未来轨迹的分布而非单一确定性轨迹。\n   - **直觉**：给出多种可能的路径，而不是一条路走到黑。\n   - **在论文中的作用**：作为应对运动不确定性的关键设定，在§2.1问题形式化中定义，并在§3.1的多样性和目标预测方法中反复出现。\n   - **前置知识**：生成模型、概率分布、模式坍塌。\n\n4. **Generative Adversarial Network (GAN) / 生成对抗网络**\n   - **定义**：一种生成模型，由生成器从随机噪声生成样本，判别器区分生成样本和真实样本，两者对抗训练。\n   - **直觉**：造假者（生成器）和验钞机（判别器）相互博弈，最终生成逼真的数据。\n   - **在论文中的作用**：用于多样性预测，如Social GAN、Social-BiGAT、SEEM等，但存在模式坍塌和OOD问题（§3.1.1）。\n   - **前置知识**：神经网络、博弈论基础、训练稳定性。\n\n5. **Conditional Variational Autoencoder (CVAE) / 条件变分自动编码器**\n   - **定义**：VAE的变体，引入条件信息，编码器将输入映射到隐变量分布，解码器从采样隐变量生成多种输出。\n   - **直觉**：给定背景音乐，让画家画出多种可能的马，而不是单一的马。\n   - **在论文中的作用**：另一种多模态轨迹预测框架，如SocialVAE、CSR，相较于GAN更易控制但输出不如图GAN逼真（§3.1.1、§3.2.2、§4.2）。\n   - **前置知识**：VAE、隐变量模型、变分推断。\n\n6. **Diffusion Model / 扩散模型**\n   - **定义**：通过渐进的马尔可夫链将噪声迭代去噪生成数据，包括前向加噪和反向去噪过程。\n   - **直觉**：从一团噪声，逐步勾勒出清晰的轨迹。\n   - **在论文中的作用**：用于捕获运动不确定性，如MID、EquiDiff、LED、UPDD（§3.1.2），在SOTA表中多次出现。\n   - **前置知识**：马尔可夫链、高斯噪声、去噪过程。\n\n7. **Goal Prediction / 目标预测**\n   - **定义**：预测行人的最终目的地或中间路径点，作为条件信息来指导轨迹生成。\n   - **直觉**：知道你去超市，更容易猜你走哪条路。\n   - **在论文中的作用**：归为运动不确定性的解决方案之一（§3.1.3），如Y-net、MUSE-VAE、Goal-SAR、ForceFormer。\n   - **前置知识**：意图推理、路径规划基础。\n\n8. **Diversity Prediction / 多样性预测**\n   - **定义**：生成覆盖多种可能模态的轨迹集合，利用随机噪声或隐变量生成多样化输出。\n   - **直觉**：给出多条不同走向，让下游任务自己选。\n   - **在论文中的作用**：作为解决运动不确定性的第一类方法，在§3.1.1中详细阐述，包括GAN和CVAE方法。\n   - **前置知识**：生成模型、损失函数设计。\n\n9. **Interaction Modeling / 交互建模**\n   - **定义**：建模行人之间相互影响的过程，包括社会交互、空间关系、动态行为等。\n   - **直觉**：两个人迎面走来会互相让路，要看周围人的行为。\n   - **在论文中的作用**：五个挑战之一（§2.2），在§3.2中详细讨论，分为时空融合和未来交互建模。\n   - **前置知识**：图神经网络、注意力机制、社交力模型。\n\n10. **Social Pooling / 社会池化**\n    - **定义**：将周围行人的隐藏状态池化聚合，以建模交互信息。\n    - **直觉**：把邻居的信息“揉”成一个向量，供目标行人参考。\n    - **在论文中的作用**：早期交互建模方法（§3.2），如Social LSTM，后续被注意力机制和GNN取代。\n    - **前置知识**：卷积或池化操作、LSTM。\n\n11. **Attention Mechanism / 注意力机制**\n    - **定义**：根据查询与键的匹配程度对值加权求和，使模型关注重要部分。\n    - **直觉**：在人群中，你更注意和你迎面走来的人，而不是背影。\n    - **在论文中的作用**：用于交互建模（§3.2）和场景融合（§3.3），如TPPO、SEAD、CSR等。\n    - **前置知识**：Transformer、自注意力、键值对。\n\n12. **Graph Neural Network (GNN) / 图神经网络**\n    - **定义**：在图结构数据上通过消息传递更新节点特征。\n    - **直觉**：把行人看作节点，边表示交互，节点间传递信息。\n    - **在论文中的作用**：用于交互建模（§3.2），如LSSTA、DynGroupNet，也用于扩散模型条件编码。\n    - **前置知识**：图论、消息传递、邻接矩阵。\n\n13. **Spatiotemporal Fusion / 时空融合**\n    - **定义**：融合空间和时间特征，以捕捉动态交互。\n    - **直觉**：不仅看现在谁在旁边，还要看过去怎么移动。\n    - **在论文中的作用**：作为交互建模的一个子方向（§3.2.1），使用RNN、CNN、Transformer等架构。\n    - **前置知识**：时间序列、卷积、循环网络。\n\n14. **Future Interaction Modeling / 未来交互建模**\n    - **定义**：在预测时考虑未来时刻的行人交互，避免轨迹冲突，提升一致性。\n    - **直觉**：预测不只是看过去，还要想象未来谁和谁会碰到。\n    - **在论文中的作用**：作为交互建模的另一方面（§3.2.2），如CSR、LatentFormer，是较新的方向。\n    - **前置知识**：自回归预测、非局部池化。\n\n15. **Scene Understanding / 场景理解**\n    - **定义**：识别并理解环境中的语义信息（如道路、人行道、障碍物）及其对行人运动的影响。\n    - **直觉**：知道哪里有墙、哪里是路，才不会预测穿墙。\n    - **在论文中的作用**：五个挑战之一（§2.2），在§3.3中讨论，分为场景-轨迹融合和混杂效应。\n    - **前置知识**：计算机视觉、语义分割、因果推断。\n\n16. **Semantic Segmentation / 语义分割**\n    - **定义**：对图像中的每个像素分类，区分不同语义类别（如建筑、道路、草地）。\n    - **直觉**：给每块区域贴标签。\n    - **在论文中的作用**：用于提取场景语义信息，如ENet、SegFormer（§3.3.1）。\n    - **前置知识**：CNN、像素级分类。\n\n17. **Scene-Trajectory Fusion / 场景-轨迹融合**\n    - **定义**：将场景语义特征与行人轨迹特征结合，以增强预测准确性。\n    - **直觉**：看地图和走路的进度结合起来。\n    - **在论文中的作用**：这是场景理解的具体解决策略（§3.3.1），通过逆强化学习、注意力机制等方法实现。\n    - **前置知识**：特征融合、注意力、多模态融合。\n\n18. **Confounding Effect / 混杂效应**\n    - **定义**：环境变量同时影响历史轨迹和未来轨迹，导致学习到虚假关联，影响预测正确性。\n    - **直觉**：因为常看到右转发生在路口，就误以为路口导致右转，其实可能是行人意图。\n    - **在论文中的作用**：作为场景理解的一个子挑战（§3.3.2），通过因果推断和反事实分析来消除。\n    - **前置知识**：因果图、Pearl的因果推断理论。\n\n19. **Causal Inference / 因果推断**\n    - **定义**：从观测数据中推断变量之间的因果关系，而非仅仅相关关系。\n    - **直觉**：区分“因为”和“巧合”。\n    - **在论文中的作用**：用于解决场景理解中的混杂效应（§3.3.2），如Chen等使用反事实分析，Lian等使用Do-calculus。\n    - **前置知识**：图模型、反事实、干预。\n\n20. **Counterfactual Analysis / 反事实分析**\n    - **定义**：通过干预虚拟场景，如去除环境的影响，来估计真实因果效应。\n    - **直觉**：想象如果环境不同，行人本会怎么走。\n    - **在论文中的作用**：在§3.3.2中，用于消除环境偏差（Chen et al. 2021）。\n    - **前置知识**：因果推断、潜在结果模型。\n\n21. **Data-Related Issues / 数据相关问题**\n    - **定义**：包括轨迹数据缺失值（遮挡、传感器故障）和长尾分布（常见运动模式多，罕见模式少）等问题。\n    - **直觉**：数据不全或者头重脚轻，模型学不好。\n    - **在论文中的作用**：五个挑战之一（§2.2），在§3.4中详细讨论，分为缺失值处理和长尾分布处理。\n    - **前置知识**：数据预处理、统计分布。\n\n22. **Missing Values / 缺失值**\n    - **定义**：因遮挡、传感器限制或故障导致的轨迹坐标缺失。\n    - **直觉**：摄像头被挡住，某几帧没拍到。\n    - **在论文中的作用**：在§3.4.1中讨论，处理方法包括变分自编码器、图神经网络等（如Qi et al., MS-GNN）。\n    - **前置知识**：数据插补、生成模型。\n\n23. **Long-Tailed Distribution / 长尾分布**\n    - **定义**：数据集中大多数样本具有简单常见模式，少数样本具有复杂罕见模式，导致模型对尾部样本学习不足。\n    - **直觉**：大多数人直行，少数人乱走，模型学不会乱走。\n    - **在论文中的作用**：在§3.4.2中讨论，解决策略包括对比学习、集成学习、采样方法（如FEND、BOsampler）。\n    - **前置知识**：isonclass imbalance、对比学习。\n\n24. **Interpretability / 可解释性**\n    - **定义**：模型能够提供人类可理解的解释或推理过程。\n    - **直觉**：不光给预测结果，还要说明为什么这么预测。\n    - **在论文中的作用**：五个挑战之一（§2.2），在§3.5中讨论，通过结合手工模型（如离散选择模型）或机器学习方法（如决策树）实现。\n    - **前置知识**：机器学习中的白盒模型、决策树、贝叶斯方法。\n\n25. **Discrete Choice Model (DCM) / 离散选择模型**\n    - **定义**：基于效用理论建模行人决策行为的传统统计模型，输出每一个选项的概率。\n    - **直觉**：假设行人根据效用最大化选择行动。\n    - **在论文中的作用**：在§3.5.1中与神经网络结合，提供可解释的意图（如SAnchor）。\n    - **前置知识**：概率论、效用理论、最大似然估计。\n\n26. **Social Force Model / 社会力模型**\n    - **定义**：将行人运动描述为力的平衡，包括驱动力、排斥力、吸引力等。\n    - **直觉**：行人像被“力”推着走，目的地吸引，他人排斥。\n    - **在论文中的作用**：见于ForceFormer（§3.1.3）和NSP-SFM（§4.2），提供物理直觉和可解释性。\n    - **前置知识**：经典力学、微分方程。\n\n27. **Average Displacement Error (ADE) / 平均位移误差**\n    - **定义**：预测轨迹与真实轨迹在每个时间步上的欧氏距离的平均值。\n    - **直觉**：平均每条预测点偏差多少。\n    - **在论文中的作用**：主要评估指标之一（§4.1公式2），在每张表格中报告。\n    - **前置知识**：欧氏距离、均值。\n\n28. **Final Displacement Error (FDE) / 最终位移误差**\n    - **定义**：预测轨迹终点与真实终点的欧氏距离。\n    - **直觉**：最后一步偏了多少。\n    - **在论文中的作用**：另一个主要评估指标（§4.1），与ADE共同使用。\n    - **前置知识**：欧氏距离。\n\n29. **Stanford Drone Dataset (SDD) / 斯坦福无人机数据集**\n    - **定义**：包含无人机拍摄的校园场景中行人、自行车、车辆轨迹的数据集，具有丰富的场景语义。\n    - **直觉**：一个大型航拍轨迹集。\n    - **在论文中的作用**：用于评估SOTA（表1、表8），在§4.2详细描述。\n    - **前置知识**：数据集划分、视觉追踪。\n\n30. **ETH/UCY Dataset / ETH/UCY数据集**\n    - **定义**：由俯视监控摄像头拍摄的行人轨迹数据集，包含ETH和UCY的5个场景（ETH, Hotel, UNIV, ZARA1, ZARA2）。\n    - **直觉**：经典的室内外行人跟踪数据。\n    - **在论文中的作用**：用于评估SOTA（表9），在§4.2描述。\n    - **前置知识**：数据集使用、轨迹预处理。\n\n31. **NBA SportVU Dataset / NBA运动轨迹数据集**\n    - **定义**：NBA比赛中的球员和篮球轨迹，包含10名球员和篮球，用于高度交互场景。\n    - **直觉**：篮球比赛中的跑位数据。\n    - **在论文中的作用**：用于评估SOTA（表10），在§4.2描述。\n    - **前置知识**：体育数据分析。\n\n32. **JAAD/PIE Dataset / JAAD和PIE数据集**\n    - **定义**：来自车载摄像头拍摄的交通场景数据集，包含行人感知和轨迹。\n    - **直觉**：行车记录仪拍的路口行人。\n    - **在论文中的作用**：在§4.2作为主要数据集介绍，表10中未列出但被提及。\n    - **前置知识**：自动驾驶数据集。\n\n33. **Recurrent Neural Network (RNN) / 循环神经网络**\n    - **定义**：处理序列数据的网络结构，通过隐藏状态传递时间信息。\n    - **直觉**：像读句子一样逐个处理时间步。\n    - **在论文中的作用**：作为基础架构用于轨迹预测（§3.2.1），尤其LSTM。\n    - **前置知识**：神经网络、时间序列。\n\n34. **Convolutional Neural Network (CNN) / 卷积神经网络**\n    - **定义**：通过卷积核提取局部特征，常用于图像或网格数据。\n    - **直觉**：滑动窗口扫描数据。\n    - **在论文中的作用**：用于场景特征提取（§3.3.1）和轨迹时空建模（§3.2.1）。\n    - **前置知识**：图像处理、特征提取。\n\n35. **Transformer / 变换器**\n    - **定义**：基于自注意力机制的网络架构，并行处理序列，捕捉长程依赖。\n    - **直觉**：一次看整个序列，用注意力决定重点。\n    - **在论文中的作用**：用于时空建模和交互建模（§3.2.1），如AgentFormer、LSSTA，也用于扩散模型。\n    - **前置知识**：注意力机制、编码器-解码器。\n\n36. **Contrastive Learning / 对比学习**\n    - **定义**：通过拉近正样本对、推远负样本对来学习特征表示。\n    - **直觉**：让相似的靠在一起，不同的分开。\n    - **在论文中的作用**：用于长尾分布处理（§3.4.2），如FEND和Makansi等方法，也用于多样性预测（DisDis）。\n    - **前置知识**：度量学习、无监督学习。\n\n37. **Large Language Model (LLM) / 大型语言模型**\n    - **定义**：基于Transformer的大规模预训练模型，擅长文本生成和理解。\n    - **直觉**：擅长说人话的AI。\n    - **在论文中的作用**：在未来展望中提及，作为提供可解释性的潜在方法（§3.5.3），但存在幻觉和高成本。\n    - **前置知识**：NLP、Transformer、模型规模。\n\n38. **Heterogeneous Agents / 异构智能体**\n    - **定义**：不同类别的智能体，如行人、车辆、自行车，具有不同运动规律和交互方式。\n    - **直觉**：行人和汽车的反应完全不同。\n    - **在论文中的作用**：在§5展望中作为未来方向之一，指出当前方法多针对同质智能体。\n    - **前置知识**：多智能体系统。\n\n#### 概念依赖图\n\n```text\n[轨迹预测]→[问题形式化]→[多模态预测]→[运动不确定性]→[多样性预测] (GAN, CVAE)\n                                            →[扩散模型] (DDPM等)\n                                            →[目标预测] (Goal, 路径点)\n                                           →[交互建模]→[时空融合] (RNN, CNN, Transformer, GNN)\n                                                       →[未来交互建模] (CSR, 自回归)\n                                           →[场景理解]→[场景-轨迹融合] (语义分割, 注意力)\n                                                       →[混杂效应] (因果推断, 反事实)\n                                           →[数据相关问题]→[缺失值] (VAE, 插补)\n                                                       →[长尾分布] (对比学习, 采样)\n                                           →[可解释性]→[手工方法] (DCM, 社会力)\n                                                       →[机器学习] (决策树, 贝叶斯)\n                                           →[评估]→[ADE, FDE]→[数据集] (SDD, ETH/UCY, NBA, JAAD/PIE)\n```\n\n\n\n\n## 模块 G：联网核验与引用校对 / Module G: Verification and Citation Check\n\n## 模块G：验证、冲突与参考文献核查\n\n### 1. 关键事实性主张核验（每项至少两个来源）\n\n#### 主张1：深度学习行人轨迹预测面临五大挑战（运动不确定性、交互建模、场景理解、数据相关问题、可解释性）\n\n- **来源1**：论文第2.2节“Existing Challenges”（原文明确列出五类挑战，第2页）\n- **来源2**：论文摘要（Abstract）中明确提及“motion uncertainty, interaction modeling, scene understanding, data-related issues, and the interpretability of prediction models”\n- **结论**：一致，无冲突。\n\n#### 主张2：MUSE-VAE在SDD数据集上取得较高性能（ADE 6.36, FDE 11.10）\n\n- **来源1**：论文表1（Table 1）中MUSE-VAE行（第4页）\n- **来源2**：论文表8（Table 8）中MUSE-VAE行（第11页）\n- **结论**：两表数据一致（ADE 6.36, FDE 11.10），与论文第3.1.4节文字描述相符。\n\n#### 主张3：CSR在SDD上达到SOTA（ADE 4.87, FDE 6.32）\n\n- **来源1**：论文表8（Table 8）中CSR行（第11页）\n- **来源2**：论文第4.2节关于SDD的SOTA结果分析（明确指出CSR以4.87/6.32为最佳）\n- **结论**：一致，确认CSR为表8中最优。\n\n#### 主张4：BNSP-SFM在ETH/UCY上取得最优平均ADE/FDE（0.16/0.24）\n\n- **来源1**：论文表9（Table 9）中BNSP-SFM行（第12页）\n- **来源2**：论文第4.2节ETH/UCY部分文字分析（指出BNSP-SFM和STGLOW表现最佳，且BNSP-SFM平均ADE 0.16最低）\n- **结论**：表中BNSP-SFM平均ADE/FDE为0.16/0.24，与其他方法相比最优，与文字一致。\n\n#### 主张5：扩散模型MID在SDD上ADE 7.61, FDE 14.30\n\n- **来源1**：论文表1（Table 1）中MID行（第4页）\n- **来源2**：论文表8（Table 8）中MID行（第11页）\n- **结论**：两表数据一致，但表1中FDE为14.30，表8中同样为14.30，无冲突。\n\n### 2. 冲突或不确定性说明\n\n- **歧义1**：关于STGLOW在ETH/UCY上的平均ADE/FDE，论文表9中显示为0.15/0.28，但文字描述（第12页）称“STGLOW和BNSP-SFM取得了最佳性能”，而BNSP-SFM为0.16/0.24，STGLOW表现略优于BNSP-SFM? 实际表9中STGLOW平均为0.15/0.28，BNSP-SFM为0.16/0.24，ADE略低但FDE略高。论文文字未明确排序，仅称“best performance”，存在轻微歧义，但数据本身无冲突。\n- **歧义2**：表8中Y-net的年份标注为2020，但参考文献[^31]是2021年的ICCV论文（Mangalam等），表格中Year列可能表示会议举办年份或上线年份，存在不一致。类似情况：P2T标注2020，但参考文献[^89]为2020arXiv，可接受。需注意年份差异。\n- **不确定**：论文未提供官方代码或数据集链接，无法独立复现表中结果；SOTA数据均来自原论文报告，可能存在评估协议差异（如预测条数K值），但论文未明确说明K设置，可能影响横向比较。\n\n### 3. 参考文献列表（提取自论文，按编号）\n\n1. Ammoun, S.; Nashashibi, F. Real time trajectory prediction for collision risk estimation between vehicles. ICCP 2009.\n2. Schubert, R.; Richter, E.; Wanielik, G. Comparison and evaluation of advanced motion models for vehicle tracking. FUSION 2008.\n3. Barth, A.; Franke, U. Where will the oncoming vehicle be the next second? IV 2008.\n4. Cortes, C.; Vapnik, V. Support-vector networks. Mach. Learn. 1995, 20, 273–297.\n5. Murphy, K.P. Dynamic Bayesian Networks: Representation, Inference and Learning. 2002.\n6. Recurrent Neural Networks: Design and Applications. CRC Press, 1999.\n7. LeCun, Y.; Bengio, Y. Convolutional networks for images, speech, and time series. Handb. Brain Theory Neural Netw. 1995.\n8. Gori, M.; Monfardini, G.; Scarselli, F. A new model for learning in graph domains. IJCNN 2005.\n9. Vaswani, A. et al. Attention is all you need. NeurIPS 2017.\n10. Rudenko, A. et al. Human motion trajectory prediction: A survey. IJRR 2020, 39, 895–935.\n11. Teeti, I. et al. Vision-based intention and trajectory prediction in autonomous vehicles: A survey. IJCAI 2022.\n12. Huang, R. et al. Multimodal trajectory prediction: A survey. arXiv 2023, arXiv:2302.10463.\n13. Sighencea, B.I.; Stanciu, R.I.; Căleanu, C.D. A Review of Deep Learning-Based Methods for Pedestrian Trajectory Prediction. Sensors 2021, 21, 7543.\n14. Korbmacher, R.; Tordeux, A. Review of pedestrian trajectory prediction methods. IEEE T-ITS 2022, 23, 24126–24144.\n15. Goodfellow, I. et al. Generative adversarial nets. NeurIPS 2014.\n16. Kosaraju, V. et al. Social-bigat. NeurIPS 2019.\n17. Gupta, A. et al. Social GAN. CVPR 2018.\n18. Amirian, J.; Hayet, J.B.; Pettré, J. Social ways. CVPR Workshops 2019.\n19. Chen, X. et al. Infogan. NeurIPS 2016.\n20. Dendorfer, P.; Elflein, S.; Leal-Taixé, L. MG-GAN. ICCV 2021.\n21. Wang, D. et al. SEEM. TPAMI 2022, 45, 1070–1086.\n22. Ivanovic, B. et al. Multimodal deep generative models. IEEE RA-L 2020, 6, 295–302.\n23. Chen, G. et al. Personalized trajectory prediction via distribution discrimination. ICCV 2021.\n24. Xu, P.; Hayet, J.B.; Karamouzas, I. SocialVAE. ECCV 2022.\n25. Guo, K.; Liu, W.; Pan, J. TDOR. CVPR 2022.\n26. Zhou, Z. et al. DACG. IEEE RA-L 2022, 8, 704–711.\n27. Gu, T. et al. MID. CVPR 2022.\n28. Chen, K. et al. EquiDiff. ITSC 2023.\n29. Mao, W. et al. Leapfrog diffusion model. CVPR 2023.\n30. Liu, Y. et al. UPDD. arXiv 2023, arXiv:2303.08367.\n31. Mangalam, K. et al. Y-net. ICCV 2021.\n32. Lee, M. et al. MUSE-VAE. CVPR 2022.\n33. Chiara, L.F. et al. Goal-SAR. CVPR 2022.\n34. Choi, C. et al. Drogon. arXiv 2019.\n35. Zhang, W. et al. ForceFormer. IV 2023.\n36. Helbing, D.; Molnar, P. Social force model. Phys. Rev. E 1995, 51, 4282.\n37. Yue, J.; Manocha, D.; Wang, H. NSP-SFM. ECCV 2022.\n38. Robicquet, A. et al. SDD. ECCV 2016.\n39. Alahi, A. et al. Social LSTM. CVPR 2016.\n40. Yang, B. et al. TPPO. IEEE TSMC 2024, 54, 2846–2859.\n41. Yang, B. et al. Meta-IRLSOT++. Expert Syst. Appl. 2024, 240, 122499.\n42. Sun, H. et al. LG-LSTM. ICME 2022.\n43. Mo, X. et al. Heterogeneous edge-enhanced graph attention. IEEE T-ITS 2022.\n44. Bhujel, N.; Yau, W.Y. Disentangling crowd interactions. IEEE RA-L 2023.\n45. Duan, J. et al. Complementary attention gated network. AAAI 2022.\n46. Yang, B. et al. Collision-aware graph transformer. IEEE T-ITS 2024.\n47. Choi, I.; Song, H.; Yoo, J. Deep learning based pedestrian trajectory prediction. ICAIIC 2019.\n48. Xu, C. et al. DynGroupNet. Neural Netw. 2024, 170, 564–577.\n49. Wang, Y.; Chen, S. STSF-Net. IEEE TMM 2021, 25, 13–23.\n50. Yuan, Y. et al. AgentFormer. ICCV 2021.\n51. Yang, C.; Pei, Z. LSSTA. IEEE T-ITS 2023, 24, 4114–4126.\n52. Huang, Y. et al. Survey on trajectory-prediction for AD. IEEE T-IV 2022.\n53. Amirloo, E. et al. LatentFormer. arXiv 2022.\n54. Zhou, H. et al. CSR. Pattern Recognit. 2023, 133, 109030.\n55. Mangalam, K. et al. Endpoint conditioned trajectory prediction. ECCV 2020.\n56. Paszke, A. et al. ENet. arXiv 2016.\n57. Chen, L.C. et al. DeepLab. arXiv 2017.\n58. Zhao, H. et al. PSPNet. CVPR 2017.\n59. He, C. et al. IRLSOT. IET ITS 2022, 16, 769–781.\n60. Yang, B. et al. MGSU. Complex Intell. Syst. 2023, 9, 851–864.\n61. Xie, E. et al. SegFormer. NeurIPS 2021.\n62. Peng, W. et al. Multi-Relational Pedestrian Trajectory Prediction. VTC2022-Fall.\n63. Xu, P. et al. Context-aware timewise VAEs. IEEE RA-L 2023.\n64. Chen, G. et al. Counterfactual analysis. ICCV 2021.\n65. Pearl, J. Statistics and causal inference. Test 2003, 12, 281–345.\n66. Ge, C. et al. SEAD. AAAI 2023.\n67. Lian, J. et al. CTSGI. IEEE T-ITS 2022, 23, 24499–24509.\n68. Liu, Y. et al. NAOMI. NeurIPS 2019.\n69. Yoon, J. et al. GAIN. ICML 2018.\n70. Qi, M. et al. Imitative non-autoregressive modeling. CVPR 2020.\n71. Xu, Y. et al. MS-GNN. CVPR 2023.\n72. Qin, K.K. et al. INGRAIN. ACM TSAS 2023.\n73. Makansi, O. et al. Long tail. ICCV 2021.\n74. Zhou, W. et al. Long-tail prediction uncertainty. ITSC 2022.\n75. Chen, G. et al. BOsampler. CVPR 2023.\n76. Wang, Y. et al. FEND. CVPR 2023.\n77. Itkina, M.; Kochenderfer, M. Interpretable self-aware neural networks. CoRL 2023.\n78. Brewitt, C. et al. GRIT. IROS 2021.\n79. Antonini, G. et al. Discrete choice models. Transp. Res. B 2006.\n80. Guo, R.Y.; Huang, H.J. Mobile lattice gas model. Phys. A 2008.\n81. Asano, M. et al. Microscopic pedestrian simulation. Transp. Res. C 2010.\n82. Robin, T. et al. Pedestrian walking behavior model. Transp. Res. B 2009.\n83. Kothari, P. et al. SAnchor. CVPR 2021.\n84. Cao, C. et al. Spatial-temporal logic rules. NeurIPS 2024.\n85. Neumeier, M. et al. Variational autoencoder with interpretable latent space. ITSC 2021.\n86. Shi, L. et al. SIT. AAAI 2022.\n87. Yue, J. et al. BNSP-SFM. arXiv 2023.\n88. Sadeghian, A. et al. TrajNet. arXiv 2018.\n89. Deo, N.; Trivedi, M.M. P2T. arXiv 2020.\n90. Marchetti, F. et al. MANTRA. CVPR 2020.\n91. Pang, B. et al. LB-EBM. CVPR 2021.\n92. Bae, I.; Jeon, H.G. Graph-TERN. AAAI 2023.\n93. Wu, Y. et al. MSRL. AAAI 2023.\n94. Chen, W. et al. PPNet. IEEE TCSVT 2022.\n95. Zhao, H.; Wildes, R.P. ExpertTraj. ICCV 2021.\n96. Liang, R. et al. STGlow. IEEE TNNLS 2023.\n97. Wong, C. et al. E-V2-Net. arXiv 2023.\n98. Pellegrini, S.; Ess, A.; Van Gool, L. ETH. ECCV 2010.\n99. Lerner, A. et al. UCY. CGF 2007.\n100. Xu, C. et al. EqMotion. CVPR 2023.\n101. Xu, C. et al. MemoNet. CVPR 2022.\n102. Wang, C. et al. SGNet. IEEE RA-L 2022.\n103. Rasouli, A. et al. JAAD. ICCV Workshops 2017.\n104. Rasouli, A. et al. PIE. ICCV 2019.\n105. Pourkeshavarz, M. et al. Backdoor attack. CVPR 2024.\n\n（注：提取自论文参考文献列表，编号与原文一致）\n\n\n\n## 模块 H：图表与表格抽取（索引/打分/深读） / Module H: Figure/Table Mining (index, scoring, top deep dive)\n\n## 模块H：图表提取与分析\n\n### 1. 图表完整索引\n\n| 图表编号 | 标题/说明 | 类型 | 位置（章节） | 支持的论点 | 评分（1-5） |\n|---|---|---|---|---|---|\n| 图1 | 挑战及对应解决方案总览（Overview of the challenges and corresponding solutions） | 分类/结构图 | 第2.2节末尾 | 概括五大挑战（运动不确定性、交互建模、场景理解、数据问题、可解释性）及解决方案映射 | 5 |\n| 图2 | (a) GAN结构图；(b) CVAE结构图 | 算法结构图 | 第3.1.1节 | 展示GAN和CVAE两种多样性预测的基本框架 | 4 |\n| 图3 | 行人运动不确定性扩散的反向过程（MID） | 算法流程图 | 第3.1.2节 | 说明扩散模型的去噪生成过程，支撑运动不确定性解决方案 | 5 |\n| 图4 | (a) RNN用于轨迹预测；(b) CNN用于轨迹预测 | 算法结构图 | 第3.2.1节 | 说明RNN和CNN在交互建模中的基本应用 | 3 |\n| 图5 | Transformer用于轨迹预测的示意图 | 算法结构图 | 第3.2.1节 | 展示Transformer处理时空交互的典型结构 | 4 |\n| 图6 | 环境交互、历史轨迹和未来轨迹的因果图：(a)事实因果图；(b)反事实干预 | 因果图 | 第3.3.2节 | 说明环境混淆效应及反事实分析消除偏差的原理 | 5 |\n| 表1 | 几种不确定性预测方法的比较（SDD数据集上的结果） | 对比表（性能） | 第3.1.4节 | 比较多样性预测、扩散模型、目标预测三类方法的ADE/FDE，TDOR和MUSE-VAE最优 | 5 |\n| 表2 | 运动不确定性方法汇总 | 汇总表（方法） | 第3.1.4节 | 列出16种处理运动不确定性的模型、年份、对象和描述 | 4 |\n| 表3 | 交互建模方法汇总 | 汇总表（方法） | 第3.2.3节 | 列出5种交互建模方法及其采用的交互机制（Transformer、超图、社会池化、SRM、GNN） | 4 |\n| 表4 | 场景理解方法汇总 | 汇总表（方法） | 第3.3.3节 | 列出6种场景理解方法及其技术（反事实分析、CNN注意力、IRL、Do-calculus等） | 4 |\n| 表5 | 轨迹数据问题方法汇总 | 汇总表（方法） | 第3.4.3节 | 列出6种处理缺失值和长尾分布的方法 | 4 |\n| 表6 | 模型可解释性方法汇总 | 汇总表（方法） | 第3.5.3节 | 列出4种可解释性方法（手工规则、决策树、逻辑规则、贝叶斯SDE） | 4 |\n| 表7 | SDD数据集划分详情 | 数据划分表 | 第4.2节 | 提供SDD训练/验证/测试集的具体场景分配 | 3 |\n| 表8 | SDD上的SOTA结果 | 基准对比表 | 第4.2节 | 列出20种模型在SDD上的ADE/FDE，CSR最优 | 5 |\n| 表9 | ETH/UCY上的SOTA结果 | 基准对比表 | 第4.2节 | 列出18种模型在ETH/UCY六个子集上的ADE/FDE，BNSP-SFM和STGLow最优 | 5 |\n| 表10 | NBA数据集上的SOTA结果 | 基准对比表 | 第4.2节 | 列出5种模型在NBA上的1-4秒ADE/FDE，LED最优 | 5 |\n\n### 2. 高优先级精读图表（3-5项）\n\n1. **图1（挑战与解决方案总览）**：作为全文框架图，快速理解五大挑战及对应解决策略的映射关系，对把握文章脉络至关重要。\n2. **表8（SDD上的SOTA结果）**：展示当前主流方法在SDD上的性能对比，直接支持“CSR最优”等结论，并用于评估各挑战解决方案的实际效果。\n3. **表9（ETH/UCY上的SOTA结果）**：覆盖最常用的数据集，对比充分，可分析方法如BNSP-SFM（可解释性）和STGLow（流模型）的优势，体现不同技术路线的优劣。\n4. **图3（扩散过程示意图）**：详细展示MID方法的去噪过程，是理解扩散模型在轨迹预测中应用的核心，也是第3.1.2节的关键支撑。\n5. **图6（因果图与反事实干预）**：清晰说明环境作为混淆因子的因果关系及反事实分析消除偏差的原理，对理解场景理解中的因果方法至关重要。\n\n### 3. 分类图、对比表与基准汇总表\n\n- **分类图**：图1为全文分类总览；图2、4、5分别为GAN/CVAE、RNN/CNN、Transformer的结构分类。\n- **对比表**：表1为性能对比；表2-6为方法分类对比（按挑战分类）。\n- **基准汇总表**：表8、9、10为三个主流数据集上的SOTA基准汇总，表7为数据集划分详情。\n\n### 4. 时间线/分组可视化与分析\n\n- **时间线**：表2-6中均包含“年份”列，可据此追踪2018-2023年各挑战解决方案的时间演进。例如：\n  - 运动不确定性：从2018年Social GAN到2023年UPDD、ForceFormer，由生成模型向目标预测和扩散模型发展。\n  - 交互建模：从2021年AgentFormer到2023年LSSTA，逐步引入Transformer和时序融合。\n  - 场景理解：从2021年Chen et al.到2023年SEAD，因果推断方法成为趋势。\n  - 数据问题：从2020年Qi et al.到2023年FEND等，长尾分布处理逐渐成熟。\n  - 可解释性：2021年SAnchor到2023年BNSP-SFM，机器学习与神经网络结合增多。\n- **分组可视化**：表1按“多样性预测/扩散模型/目标预测”分组对比性能；表7-10按数据集分组汇总SOTA。\n\n### 5. 图表到结论的映射\n\n- **图1→结论**：五大挑战的系统性分类，支撑摘要和贡献点。\n- **表1→结论**：多样性预测和目标预测方法效果优异，扩散方法折中，支撑第3.1.4节的分析。\n- **表2→结论**：归纳了运动不确定性解决方案的多样性与演进，支撑“当前研究关注意图预测”的总结。\n- **表3→结论**：交互建模方法以Transformer和GNN为主，支撑“未来交互建模更复杂”的结论。\n- **表4→结论**：场景理解方法逐渐引入因果分析，支撑“因果方向潜力大”的结论。\n- **表5→结论**：数据问题方法只能抑制不能完全解决，支撑“需从数据构造层面解决问题”的建议。\n- **表6→结论**：可解释性方法结合手工特征和机器学习，但精度仍有不足，支撑“需探索LLM”等未来方向。\n- **表8、9、10→结论**：分别验证各挑战解决方法在标准基准上的表现，支撑“主流方法有效性”和“未来研究展望”（如CSR、BNSP-SFM、LED的突出表现）。"
}