基于Lembda网络和LSTM的车辆轨迹预测

摘要：

驾驶员在驾驶时,会对周围车辆的轨迹进行预测,并且采取一个安全的行为模式,从而减少道路事故的发生.出于这个想法,研究人员基于深度学习的模型,对车辆的轨迹进行预测,从而提升自动驾驶车辆的安全性.通过不断分析获得的驾驶数据,深度学习可以得到其它汽车的行为模式并进行预测.相较于过去的方案,基于深度学习方案在轨迹预测上具有优势,本文基于transformer模型的LSTM(长短期记忆网络)编码隐藏参数,反映周围车辆的驾驶意图,再通过Lembda层获得这些车辆对预测车辆的影响,最后通过LSTM解码获得预测的轨迹.相较于以往的方案,应用Lembda层的方案计算速度更快,同时实验表明相较于以往方案轨迹预测精度有提升.

关键词：轨迹预测;自动驾驶汽车;深度学习;神经网络

所属期刊栏目：11

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2022-01-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：84-87,91