في عالم القيادة الذاتية، يُعتبر توقع حركة المرور أحد التحديات الأساسية، حيث يعتمد على نمذجة التفاعلات الديناميكية والسياقية بين المركبات. ومع ذلك، فإن معظم النهج الحالية تعتمد على البيانات فقط مما يحد من قدرتها على التكيف مع التغييرات في الظروف. هنا يأتي دور نظام SWIFT (Small-World Interaction Framework for Trajectory prediction) الذي يُقدم إطاراً موحداً يجمع بين نظرية الشبكات الصغيرة وتدفق المرور.

هذا الإطار يتضمن شبكات تفاعلية صغيرة تُساهم في فهم الروابط المحلية والعالمية بين المركبات، وكذلك عاكس تدفق يُكيف الهيكل التفاعلي وفقًا لحالات المرور في المشهد. ويضاف لذلك وحدة غراف متعددة العلاقات، التي تسجل التفاعلات بين المركبات بشكل أكثر دقة.

أظهرت التجارب الشاملة على ثلاثة مجموعات بيانات حقيقية، هي nuScenes وMoCAD وNGSIM، أن SWIFT يتفوق باستمرار على النماذج التقليدية.لم يتم تحسين الدقة فقط، ولكن أظهر الإطار أيضًا قدرة أكبر على التعميم في الأماكن والظروف غير المألوفة، مما يدعم فعالية تصميمه القائم على الهيكل. في ظل تغطية هذا التوجه، يبدو أن SWIFT هو الحل الواعد لمستقبل القيادة الذاتية.