概述

随着道路交通环境日益复杂，保护易受伤或面临高风险的道路使用者（Vulnerable Road Users, VRU）已成为交通安全研究的重要议题。VRU通常指处于交通互动中较为脆弱的群体，包括非机动车和行人等。深入理解并精准预测这些群体的行为模式，对于提升交通安全至关重要。在复杂的道路环境中，VRU面临诸多潜在风险，如交通规则违背、高速行驶等行为，这些因素可能导致严重的伤害或交通事故。因此，如何准确识别并预测VRU的行为轨迹，进而进行科学评估，成为保障道路安全的核心任务。

近年来，轨迹预测已成为保障VRU安全的关键研究方向。然而，由于VRU的移动模式具有高度的随机性、交互行为复杂且存在剧烈的运动状态变化，轨迹预测面临着显著挑战。尽管现有研究提出了多种预测模型，但在算法性能评估方面，依然存在数据集分散、评价标准不统一、场景覆盖不全面等问题，这些问题限制了技术的进一步发展及跨领域的比较。

为了解决这些问题，本排行榜旨在提供全面的场景覆盖和统一的评估标准，评估各类轨迹预测方法在保护VRU方面的有效性，进而减少自动驾驶技术对脆弱群体潜在威胁的影响。

排行榜

参与形式

数据介绍

结果投递

参赛者需提交预测结果文件与置信度文件，文件格式均为 .npy，文件分别命名为test_data_y_{名称}_{模态数}.npy与conf_{名称}_{模态数}.npy。

预测数据的格式为5维矩阵，维度分别为：场景编号、模态数、个体编号、时间步长、特征值。每个特征值包括：

• ‘world_x’：车辆在全球坐标系下的x轴位置
• ‘world_y’：车辆在全球坐标系下的y轴位置

该数据结构确保了每个场景中所有车辆在不同时间步长的预测位置能够被准确记录，同时支持多模态预测的评估。为了确保预测的严谨性，模态数设定为最多10个。

置信度数据的格式为3维矩阵，维度分别为：场景编号、模态数、个体编号，用于表示某条轨迹的预测概率。每个模态的置信度在0～1之间，不同模态之间置信度总和没有要求，可以不同也可以相同

结果投递采用表单方式进行收集，参与者点击此处访问表单链接，填写后即可完成投递流程，工作人员将在不超过7个工作日内完成结果分析与统计，更新排行榜结果。

评价指标

结论与展望

本轨迹预测排行榜旨在为研究机非交互场景轨迹预测模型提供一个统一的评估平台。通过本次排行榜的发布，能够深入了解当前模型在相同任务场景下的表现，并推动相关研究的持续发展。当前版本仍存在一些局限性，例如场景多样性不足、标签信息匮乏、评估体系的不完善以及测试方式的单一等。未来版本将通过不断完善数据集、评估体系和测试方法，为研究人员提供更全面、准确的评估工具，进一步推动自动驾驶VRU行为建模和预测领域的创新与发展。