本文介绍了一种基于深度学习的自动驾驶变道预测方法，旨在提高道路安全。个性化变压器编码器通过分析个性化驾驶行为，使决策预测准确性提高3.7%至21.6%。利用LSTM模型和HighD数据集，车道变更预测准确率提升至59.15%-92.43%。研究还探讨了深度强化学习在优化变道策略中的应用，展示了其有效性和安全性。

本文探讨了大型语言模型（LLMs）在交通预测中的应用，提出多种模型以提高行人轨迹和变道预测的准确性。研究表明，LLMs能够有效处理复杂的交互信息，增强预测的可解释性和准确性，并在处理原始传感器数据和多智能体运动预测方面表现出色，为自动驾驶和交通系统的未来发展提供新思路。