4. 交通参与者与交互对象
城市NOA进入复杂路口后，感知模块输出的不再是“有没有障碍物”这么简单的问题，而是“谁在场、谁在动、谁可能与我冲突、我该把谁当作优先交互对象”。交通参与者建模的目标，是把原始检测框转化为带有类别、运动状态、意图倾向和交互优先级的对象集合，为后续的博弈决策与轨迹规划提供可计算输入。
一、核心原理：从“检测目标”到“交互对象”
感知层通常输出目标列表，每个目标包含位置、速度、朝向、尺寸和类别置信度。但决策层真正需要的是交互语义：该目标是否具有路权、是否可能侵入自车路径、其行为是否可预测、是否需要让行或博弈。因此，交通参与者建模需要完成三层映射：
- 类别映射：机动车、非机动车、行人、特殊车辆、静态障碍物，不同类别对应不同的运动学约束与交互规则。
- 状态映射：位置、速度、加速度、航向角、历史轨迹，构成对象的动态状态向量。
- 意图映射：直行、左转、右转、变道、横穿、等待、避让等意图标签，决定预测轨迹的分布形态。
二、五类参与者的特征与处理差异
不同交通参与者在尺寸、速度、可预测性、路权优先级和交互方式上差异显著，必须分类建模。
| 类别 | 典型对象 | 运动特征 | 交互难点 | 决策关注点 |
|---|---|---|---|---|
| 机动车 | 轿车、SUV、公交、货车 | 速度高、轨迹连续、受车道约束 | 加塞、抢行、路口博弈 | 路权判断、冲突点、时距 |
| 非机动车 | 电动自行车、自行车、三轮车 | 速度中等、轨迹灵活、易变向 | 突然横穿、贴边行驶、逆行 | 横向侵入、避让空间 |
| 行人 | 成人、儿童、老人、群体 | 速度低、方向随机、易停顿 | 鬼探头、闯红灯、群体过街 | 意图预测、最小安全距离 |
| 特殊车辆 | 救护车、消防车、警车、工程车 | 速度高、路径优先、可能逆行 | 让行判断、声光信号识别 | 优先通行、紧急避让 |
| 静态障碍物 | 锥桶、水马、故障车、施工围挡 | 静止或微动、位置固定 | 遮挡视线、压缩通行空间 | 可通行区域、绕行路径 |
三、动态意图理解的方法流程
意图理解不是单一模型输出，而是“观测—预测—推理—更新”的闭环。典型流程如下：
- 轨迹观测：采集目标过去2~3秒的轨迹序列，计算速度、加速度、航向变化率。
- 行为特征提取：提取横向偏移、纵向加速度、转向灯状态、朝向与车道夹角等特征。
- 意图分类：使用规则或学习模型输出直行、左转、右转、变道、横穿等意图概率。
- 轨迹预测：基于意图概率生成多模态未来轨迹，并给出每条轨迹的置信度。
- 交互推理：结合自车规划路径，计算冲突点、到达时间差和风险等级。
- 在线更新：随新观测持续修正意图概率，避免一次性预测固化。
# 交互对象状态向量示例
object_state = {
"id": 1024,
"type": "pedestrian",
"position": [12.4, 3.8], # 路口坐标系，单位m
"velocity": [0.2, -1.1], # m/s
"heading": 190.0, # deg
"intent": "crossing",
"intent_prob": 0.82,
"conflict_point": [14.0, 0.0],
"ttc": 2.7, # 碰撞时间，s
"priority": "high"
}上述状态向量中，intent_prob和ttc是决策层最关心的两个量：前者决定“要不要防”，后者决定“防得多急”。
四、场景案例：右转遇行人+电动自行车
自车在路口右转，右侧人行横道有行人正在通过，同时右后方有一辆电动自行车快速接近。此时交互对象至少有三个：行人、电动自行车、以及可能被遮挡的第二个行人。
- 行人：意图为横穿，速度约1.2 m/s，已进入自车右转路径，优先级最高，应停车让行。
- 电动自行车：速度约6 m/s，轨迹沿非机动车道直行，与自车右转路径存在冲突点，需判断其是否减速。
- 遮挡区域：公交或围挡后方可能存在“鬼探头”行人，需保留低速通过和随时制动能力。
五、静态障碍物与动态意图的耦合
静态障碍物本身不移动，但会改变其他参与者的行为。例如施工围挡会迫使非机动车借道机动车道，锥桶会压缩可通行宽度，故障车会引发后方车辆变道。因此，静态障碍物不能只作为“不可通行区域”处理，还要作为行为诱因参与意图推理。
工程上常用做法是：将静态障碍物投影到栅格地图，生成可通行区域边界；同时将边界变化作为特征输入意图预测模型，帮助判断周边车辆是否会因避障而变道。
六、常见误区与复盘
误区二：把非机动车当作慢速机动车处理。非机动车横向灵活、轨迹突变，必须单独建模横向运动。
误区三：忽略特殊车辆的声光信号。救护车鸣笛时，即使其尚未进入自车路径，也应提前评估让行空间。
误区四：静态障碍物只做避障，不做交互推理。围挡后的遮挡区域应视为潜在动态目标来源。
复盘时建议按“对象清单—意图标签—冲突点—优先级—决策动作”五列记录每个路口的交互过程，重点检查是否存在漏检对象、意图误判或优先级排序错误。只有把交通参与者从“检测框”升级为“带意图的博弈对象”，城市NOA才能在复杂路口做出接近人类驾驶员的交互决策。