城市智能汽车在行驶时会不可避免地与周围交通参与者产生交互,预测周围交通参与者的运动行为是确保智能汽车安全平稳行驶的一项关键能力。智能汽车周围运动物体的行为预测主要是根据感知到的物体观测信息,预测物体未来的轨迹和行为。因此,本文关于城市智能汽车周围环境的时空行为预测算法的研究,主要包含以下内容:针对预测算法依赖感知信息输入的问题,本文设计了物体三维检测算法和跟踪算法来获得物体高精度感知信息。借助于图像和激光雷达点云各自的特点,本文提出融合图像和点云来实现物体三维检测。通过分析已有融合方法的优点与缺陷,本文设计了多视图-点云融合的动态物体三维检测算法。该算法利用图像检测算法和基于此设计的鸟瞰图检测算法YOLO-BEV,从图像和鸟瞰图上同时检测物体来弥补图像漏检的情况;为提高边框回归精度,利用二维检测框中的点云回归最终的三维边框参数。在数据集上验证了本文检测算法的精度和召回率的提升。基于三维检测结果,本文设计了多目标三维跟踪算法,通过构建三维卡尔曼滤波器和匈牙利匹配算法实时跟踪物体,实验验证了本文的跟踪算法改善了Sort的ID跳变情况。针对物体轨迹预测问题,通过分析城市场景下物体运动受周围其他物体交互影响以及受周围静态地图影响等特点,本文设计了融合交互和地图特征的动态物体轨迹预测算法。该算法输入感知到的物体2秒的观测轨迹和鸟瞰地图,通过构建时空图,使用基于交互注意力机制的交互特征提取网络从观测轨迹中提取交互特征,捕捉物体间的两两交互影响;并设计了基于地图注意力机制的地图特征提取网络,提取地图特征以捕捉地图对物体运动的影响;最后融合交互特征和地图特征进行预测,输出物体未来3秒的预测位置。为了验证算法性能,本文制作了数据集进行网络训练和对比实验,对比实验验证了同时考虑物体的交互和地图特征能降低预测误差。针对物体行为预测问题,通过分析预测轨迹隐含物体行为意图信息的特点以及不同类别物体行为模式不同的特点,本文为不同物体设计了不同的基于预测轨迹的行为识别算法,识别物体未来时刻的行为。最后本文在城市自动驾驶场景数据集上依次测试了上述算法,验证算法的有效性。为了将本文研究应用于保证智能汽车的驾驶安全,本文基于上述研究结果设计了碰撞预警算法,为智能汽车提供周围物体碰撞预警信息,方便智能汽车进行安全、合理地规划。并在自动驾驶实车上搭建整体算法在校园内进行实验。综上所述,本文针对城市智能汽车周围物体的行为预测,提出了多视图-点云融合的动态物体三维检测与跟踪算法、融合交互与地图特征的动态物体轨迹预测算法以及基于预测轨迹的行为识别算法联合实现。最后在城市智能汽车驾驶场景数据集和实车上验证了本文算法的有效性,并设计碰撞预警算法将本文研究应用于保证智能汽车的驾驶安全。