在智能网联汽车快速发展的背景下，如何让自动驾驶系统在复杂城市路况下“看得清、想得明、走得稳”，是业界和学界共同关注的核心问题。其中，几秒钟内的短时轨迹预测直接关系到车辆能否提前规避风险、平顺通过路口，被视为保障行车安全的关键一环。

针对现有视觉语言模型在场景理解不足、轨迹预测不够可信等瓶颈，同济大学汽车与能源学院高炳钊教授、德州大学奥斯汀分校焦峻峰副教授、Christian Claudel副教授、武汉科技大学严运兵教授、清华大学王建强教授及同济大学陈虹教授的联合团队提出了一套面向自动驾驶的知识增强轨迹预测框架KEPT(Knowledge-Enhanced Prediction of Trajectories)。

该研究以“让大模型真正读懂行车视频”为目标，设计了一条从原始前向行车画面到未来3秒规划轨迹的端到端技术路线。团队首先提出时域–频域–空间联合的视频编码器TFSF，将基于快速傅里叶变换的频域注意力与多尺度视觉特征融合，再通过短时序Transformer捕捉车辆运动趋势，实现对7帧连续画面的紧凑表征；随后构建大规模向量数据库，利用k-means聚类和HNSW索引，从过往驾驶片段中检索与当前场景最相似的“经验样本”，连同真实轨迹一起作为“先验知识”喂给视觉语言模型。在生成阶段，研究团队为模型精心设计了“链式思维”提示词，引导其在显式安全约束下，对比当前与参考场景的异同，给出格式统一、物理合理的未来轨迹。

为了让大模型既“看得懂”又“规划得稳”，论文还提出三阶段精调范式：第一阶段通过多任务视觉问答，强化模型对车辆类别、尺寸、距离等空间语义的对齐；第二阶段在环视相机和动力学特征上训练轨迹回归头，强调轨迹的平滑性和避免急剧转弯、碰撞等约束；第三阶段则回到连续前向画面，实现真正意义上的端到端轨迹预测。评估结果显示，在公开nuScenes数据集上，KEPT在多项开环误差和碰撞指标上均优于现有基线方法，且在检索策略、Top-K选择、视觉编码器和大模型骨干等方面的大量消融实验，系统验证了各模块设计的有效性。研究表明，借助检索增强和精调策略，视觉语言模型可以在相对有限的数据量下，仍然实现可靠、可解释的短时规划能力。

KEPT的核心思想，是把“大模型+检索”的通用范式真正落地到车辆规划任务中，“不只是让模型会描述场景，更要能给出满足安全约束的具体轨迹”。未来，团队将进一步面向更长时间尺度和更复杂交通参与者的交互场景，扩展轨迹预测能力，并探索与整车控制、能量管理等模块的深度耦合，推动视觉语言模型在自动驾驶应用中的工程化落地。

系统框架

轨迹规划结果与真值的对比

了 解 更 多

 本文链接 

https://doi.org/10.26599/COMMTR.2026.9640012 

 引用本文 

Wang Y, Wang T, Liu Q, et al. KEPT: Knowledge-enhanced prediction of trajectories from consecutive driving frames with vision-language models. Communications in Transportation Research, 2026, 6(1): 9640012. https://doi.org/10.26599/COMMTR.2026.9640012 

COMMTR亮点

• 中国大陆第三种SCIE/SSCI双收录期刊

• 中国大陆SCIE/SSCI双收录期刊中影响因子最高的期刊

• 中国大陆SSCI收录期刊中唯一一本学科排名第一的期刊（IF12.7，位居交通学科第一）

数据库收录

• SSCI、SCIE

• Scopus

• Ei CompendeX

• DOAJ

• TRlD, the TRlS and lTRD Database

• 期刊分区表：大类 工程技术大类1区Top期刊；小类 交通运输1区、运输科技1区

• 中国科技核心期刊CSTPCD

• 中国科学引文数据库CSCD

• 全球OA期刊索引（OA Journal Index，OAJ）

• 公路运输领域高质量科技期刊—T1级

• 《科技期刊世界影响力指数（WJCI）报告》“交通运输工程综合”学科排名2/107（国产期刊第一）

重要项目

• 入选“中国科技期刊卓越行动计划二期”英文梯队期刊项目

• 入选北京市2024年度支持高水平国际科技期刊建设-强刊提升项目

• 入选2022年中国科技期刊卓越行动计划高起点新刊项目

学术影响力

• 影响因子（2026年6月公布）达12.7，位居TRANSPORTATION（交通）学科全球66种期刊榜首

• 2025年CiteScore为13.6，在Control and Systems Engineering、Decision Sciences (miscellaneous)、Transportation三个领域全部进入前8%，均稳居Q1区

• 连续两年（2024年、2025年）入选“中国最具国际影响力学术期刊”（自然科学与工程技术·英文）

国际化程度

• 国际论文占比70%，吸引了国内外几乎所有交通领域顶级团队的投稿

• 论文被72个国家/地区作者引用，引用本刊最多的为Transportation Research Part E 等本领域顶刊，自引率仅3.6% 

• 国际下载量占89%，主要集中在美国

• 编委会汇聚全球20个国家的55位专家，其中69%来自海外，包括13位各国院士

• 作者来自全球21个国家和地区的顶尖院校，包括MIT、Stanford、UC Berkerley、Duke、清华大学、浙江大学、东南大学、北航、东京大学、新国大、港大、港科大等

编辑团队荣誉

• COMMTR主编荣获 “年度主编奖”

• 编辑团队成员荣获 “年度期刊新人”

COMMTR编委团队

曲小波

欧洲科学院（Academia Europaea）院士

清华大学车辆与运载学院长聘教授

曲小波，现任清华大学车辆与运载学院长聘教授、欧洲科学院（Academia Europaea）院士。全职归国前，曾任瑞典查尔姆斯理工大学讲席教授。过去五年主持科技部重点研发、基金委重点项目、欧盟、瑞典科技部、瑞典基金委等重大项目；担任9个行业内知名期刊的主编或副主编，发表论文180余篇，受邀担任欧委会人才项目、澳洲基金委卓越科学中心、荷兰基金委重大项目等高资助强度项目的初评或终评专家。清华大学（车辆国重）—杭州临空经济示范区综合交通联合研究中心主任；兼任中国人民财产保险公司独立董事。研究领域重点涉及低空运载工具开发与运营、车城互联系统建模与优化、智能交通系统运营与控制。

李小鹏

美国威斯康星大学麦迪逊分校教授

智能公路研究中心主任

李小鹏，现任美国威斯康星大学麦迪逊分校土木与环境工程系Harvey D. Spangler教授（电气与计算机工程系兼职教授）与智能公路研究中心（Smart Highway Research Center）主任。曾任美国国家级交通研究中心（National Institute for Congestion Reduction）主任。他于2006年获得清华大学土木工程学士学位（辅修计算机工程），此后在美国伊利诺伊大学香槟分校先后获得土木工程硕士（2007年）、应用数学硕士（2010年）及土木工程博士（2011年）学位。李小鹏教授是美国国家科学基金会杰出青年奖（NSF CAREER Award）获得者，美国土木工程协会（American Society of Civil Engineering）会士（Fellow），并在及多个专业协会担任职。已发表同行评议学术论文160余篇，主持了多项由美国国家科学基金会（NSF）、美国交通部（US DOT）、美国能源部（US DOE）、国家实验室、州交通部门及工业界资助的研究项目，累计经费包括匹配总额超过7000万美元。其主要研究方向为交通及相关系统中的自动化、互联与感知技术。

COMMTR推荐阅读

1 FedAV: Federated learning for cyberattack vulnerability and resilience of cooperative driving automation

https://www.sciopen.com/article/10.1016/j.commtr.2025.100175 

Cite this article:

Lin G, Qian S, Khattak ZH. FedAV: Federated learning for cyberattack vulnerability and resilience of cooperative driving automation. Communications in Transportation Research, 2025, 5(2): 100175. https://doi.org/10.1016/j.commtr.2025.100175

2 HUTFormer: Hierarchical U-Net transformer for long-term traffic forecasting

https://www.sciopen.com/article/10.1016/j.commtr.2025.100218 

Cite this article:

Shao Z, Wang F, Sun T, et al. HUTFormer: Hierarchical U-Net transformer for long-term traffic forecasting. Communications in Transportation Research, 2025, 5(4): 100218. https://doi.org/10.1016/j.commtr.2025.100218

3 Machine learning-based real-time crash risk forecasting for pedestrians

https://www.sciopen.com/article/10.1016/j.commtr.2025.100224 

Cite this article:

Hussain F, Li Y, Haque SMM. Machine learning-based real-time crash risk forecasting for pedestrians. Communications in Transportation Research, 2025, 5(4): 100224. https://doi.org/10.1016/j.commtr.2025.100224

4 Physical enhanced residual learning (PERL) framework for vehicle trajectory prediction

https://www.sciopen.com/article/10.1016/j.commtr.2025.100166 

Cite this article:

Long K, Sheng Z, Shi H, et al. Physical enhanced residual learning (PERL) framework for vehicle trajectory prediction. Communications in Transportation Research, 2025, 5(2): 100166. https://doi.org/10.1016/j.commtr.2025.100166

5 Few-shot learning for novel object detection in autonomous driving

https://www.sciopen.com/article/10.1016/j.commtr.2025.100194 

Cite this article:

Zhuang Y, Liu P, Yang H, et al. Few-shot learning for novel object detection in autonomous driving. Communications in Transportation Research, 2025, 5(3): 100194. https://doi.org/10.1016/j.commtr.2025.100194 

欢迎投稿

Communications in Transportation Research（COMMTR）发表论文类型包括Research article（研究型论文）、Review（综述）、Editorial（社论）、Discussion（讨论）等。

2027 年 12 月 31 日前录用的稿件仍免收文章处理费，研究论文终版超过 10 页或综述超过 15 页的部分将按每页 150 美元收取费用，请作者投稿时留意篇幅并按要求承担相关费用，以免影响后续流程。

发表范围：

发表对新兴交通系统具有重要意义的高质量、原创性研究和综述文章等，欢迎与交通有关的跨学科研究（交通与民用、控制、人工智能、社会科学、心理科学、医疗服务等）。

发表主题包括但不限于：

• 交通系统与其他系统之间的相互作用

• 新兴技术与交通系统的整合

• 交通领域的大数据分析

• 交通领域的进步与发现

• 对未来交通系统的前瞻性判断

• 新兴技术/产品及其对交通的影响

• 新型交通模式及相关分析

• 政府发起的交通政策及影响分析

• 移动性即服务

• 新兴交通技术的现场试验

• 交通电气化、自动化和互联互通

期待各位学者的来稿！

数据代码共享

平台网址：https://ets-data.sciopen.com 

COMMTR 是首批要求代码、数据共享的交通/车辆期刊之一。为进一步保证论文的学术质量，提升研究的可复现性和研究过程的透明度，同时增进数据的重复利用，本刊要求所有录用稿件提交“Replication Package”。同时鼓励作者将数据共享至ETS-Data交通数据共享平台(https://ets-data.sciopen.com)。

ETS-Data交通数据共享平台由清华大学出版社与清华大学车辆与运载学院共同设计搭建，是全球研究者可公开访问的交通类共享数据平台，提供包括数据、代码和其他结果复制等必要文件。所有文件均可在协议框架内免费下载，且每篇数据均拥有永久的DOI及CSTR标识符，可直接下载和引用。ETS-Data交通数据共享平台已于2022年被基于WOS的数据引文索引数据库DCI收录，成为该库收录的首个中国交通领域的科学数据共享平台；2023年被Google Dataset Search索引。

欢迎关注

支持单位：