Heterojen grafikler ve dinamik sahne kısıtları temelinde haritasız araç yörünge tahmin yöntemi

Haritasız araç hareketi tahmininin önemi

Otonom araçlar günlük hayata giderek yaklaştıkça, yakınlardaki araçların önümüzdeki birkaç saniyede nereye gideceğini güvenli biçimde tahmin edebilmeleri gerekiyor. Bugün kullanılan birçok sistem bu tahminleri yönlendirmek için aşırı ayrıntılı dijital haritalara dayanıyor. Oysa bu tür haritaları oluşturmak maliyetli, güncel tutmak zor ve tünellerde, kırsal yollarda ya da hızla değişen şehir yollarında genellikle eksik oluyor. Bu çalışma, önceden hazırlanmış haritalara bağımlı kalmadan, yoldaki gözlemlerle çevredeki araçlar hakkında güvenilir kısa vadeli tahminlerin nasıl yapılabileceğini araştırıyor.

Sürücü davranışından yolu okumak

Yazarlar basit bir fikirle başlıyor: yolun şekli, insanlar orada nasıl kullandıklarıyla saklıdır. Aynı yerden geçen çok sayıda aracı izlerseniz, yollar, dönüşler ve tipik akışlar, çizgileri görmeseniz bile araçların izlerinden ortaya çıkar. Ekip tarafından DynaScene-Pred adı verilen yöntem, görüş alanındaki tüm araçlardan kısa süreli son hareket parçalarını topluyor. Ardından düz gidenler veya sola dönenler gibi benzer görünen yolları grupluyor ve bu gruplardan sahne boyunca olası rotaları izleyen düzgün "sanal şeritler" çıkarıyor. Bu sanal şeritler, depolanmış bir harita yerine veriden anlık olarak oluşturulan içsel bir yol taslağı görevi görüyor.

Araçlar ve sanal şeritlerin bağlanması

Sanal şeritler ortaya çıktıktan sonra model her aracı ve her bir şeridi ağdaki noktalar olarak ele alıyor ve bunların nasıl ilişkili olduğunu tanımlayan çizgilerle bağlıyor. Yakınlardaki araçlar, kimin kimi etkileyebileceğini göstermek için bağlanıyor ve her araç, son hareketine ve yönüne en çok uyan sanal şeritlere de bağlanıyor. Noktalar ve çizgiler ağı üzerinde çalışan bir tür sinir ağı, bu bağlantılar boyunca bilgiyi iletiyor. Aynı zamanda dikkat (attention) modülleri hangi komşuların, hangi şeritlerin ve geçmiş anların en çok önemli olduğunu belirliyor. Bu adımlar bir arada, araçların birbirine tepki göstermesi gibi sosyal davranışları ve yolun virajında kalma gibi fiziksel sınırları birlikte ele almaya olanak tanıyor.

Birkaç olası geleceği hayal etmek

Sürüş belirsizdir: bir araç önceki hareketleri benzer görünse bile düz gitmeye, şerit değiştirmeye veya dönmeye karar verebilir. Bununla başa çıkmak için DynaScene-Pred yalnızca tek bir gelecek yol çıkarmıyor, birkaç tane üretiyor. Modelin içinde, farklı sürüş niyetlerini temsil eden kompakt bir gizli kod bulunuyor. Eğitim sırasında bu kod, varyasyonları kaydedilmiş sahnelerde sürücülerin gerçek davranışlarıyla hizalanacak şekilde ayarlanıyor. Tahmin yapılırken sistem bu kodun birkaç versiyonunu örnekliyor ve her biri için sanal şeritleri ve çevredeki trafiği gözeterek olası bir gelecek yolu açıyor. Bu yaklaşım tek bir kırılgan tahmin yerine küçük bir küme gerçekçi seçenek sunuyor.

Gerçek şehir trafiğinde test

Araştırmacılar yaklaşımlarını ABD şehirlerindeki gerçek kentsel sürüşten oluşan iyi bilinen halka açık Argoverse veri seti üzerinde test ediyorlar. Birçok rakip yöntemden farklı olarak, zengin yerleşik haritaları bilinçli olarak görmezden geliyor ve yalnızca araç pozisyonlarını zaman içinde kullanıyorlar. Sonuçlarını birkaç diğer "haritasız" sistemle ve harita kullanan önde gelen yöntemlerle karşılaştırıyorlar. Ortalama ve son pozisyon hatası gibi temel ölçütlerde ve tüm öngörülen yolların gerçek sonucu ıskaladığı durumlarda sistemleri, haritasız diğer temelleri tutarlı biçimde geride bırakıyor. En güçlü harita tabanlı modellerin mutlak doğruluğuna tamamen yetişemese de, öğrenilmiş sanal şeritlerin birçok durumda pahalı haritaların yerine geçebileceğini gösterecek kadar yakın performans sergiliyor ve işleme hızını bir aracın gerçek zamanlı kullanımına yetecek düzeyde tutuyor.

Geleceğin otonom araçları için anlamı

Uzman olmayan bir okuyucu için temel çıkarım, otonom araçların her zaman çok ayrıntılı haritalara ihtiyaç duymayabileceği. Sürücülerin nasıl hareket ettiğini izleyerek DynaScene-Pred yolun içsel bir resmini yeniden kuruyor ve her yakın araç için birkaç makul yol tahmini sunuyor. Bu haritasız strateji, yalnızca ham harekete dayanan ve şerit kavramı içermeyen önceki yaklaşımlardan daha iyi sonuç veriyor. Sık değişen veya kötü haritalanmış yollarla başa çıkmak için daha esnek bir yol sunuyor ve otonom sürüşü gerçek dünyanın dağınık, çeşitli koşullarında güvenilir biçimde çalışmaya bir adım daha yaklaştırıyor.

Atıf: Liu, H., Bao, Y., Hou, Y. et al. Map-free vehicle trajectory prediction method based on heterogeneous graphs and dynamic scene constraints. Sci Rep 16, 15052 (2026). https://doi.org/10.1038/s41598-026-45445-w

Anahtar kelimeler: özerk sürüş, yörünge tahmini, haritasız, sanal şeritler, trafik etkileşimleri