Previsão probabilística de trajetórias com modelos de mistura gaussiana

No contexto da assistência ao motorista, uma previsão precisa e confiável da trajetória do veículo é benéfica. Isso pode ser útil tanto para aumentar a flexibilidade dos sistemas de conforto quanto, no caso mais interessante, para detectar situações potencialmente perigosas o mais cedo possível. Neste trabalho, é proposta uma abordagem nova para a previsão de trajetórias, que tem a capacidade de prever a trajetória do veículo com vários segundos de antecedência, a chamada previsão de longo prazo. Para isso, padrões de movimento observados anteriormente são usados para inferir uma distribuição de probabilidade conjunta como modelo de movimento. Usando essa distribuição, uma trajetória pode ser prevista calculando a probabilidade para o movimento futuro, condicionada ao padrão de movimento observado atualmente. A vantagem da modelagem probabilística é que o resultado não é apenas uma previsão, mas sim uma distribuição completa sobre as futuras trajetórias, e uma previsão específica pode ser feita pela avaliação das propriedades estatísticas, por exemplo, a média dessa distribuição condicionada. Além disso, uma avaliação da variância pode ser usada para examinar a confiabilidade da previsão.