考虑动态交互作用的智能车辆轨迹预测

摘要：

在多车交互的动态场景中,智能车辆需要具备对周围车辆未来轨迹的预测能力,以实现安全高效行驶.本文提出一种考虑邻车动态交互作用的轨迹预测方法.首先基于目标车辆及周围车辆的历史轨迹信息,构建动态时空关联图,作为交互特征提取模块的输入,再运用图注意力机制获取历史时域上可变的交互特征参数;其次,将目标车辆历史时域信息与可变的交互特征参数融合,嵌入时间注意力机制得到上下文向量,再通过长短时记忆神经网络解码输出目标车辆的未来轨迹;最后,运用CitySim数据集对本文模型进行训练及验证,又采用CQSkyEye数据集对模型进行迁移性实验.结果显示:模型在5s的预测时域上均方根误差为0.82 m,与其他预测模型的最优结果(0.96 m)相比,精度提升15%,并且可以提前2s对车辆轨迹进行准确预测;对于迁移性能,本文模型相比其他模型有一定优势,在改变图构建的距离阈值参数后,5 s预测时域上的均方根误差为6.43 m,对比其他模型最优结果(12.41 m),精度提升48%.

关键词：智能交通、轨迹预测、图注意力、动态交互、长短时记忆网络

所属期刊栏目：24

分类号：U491(交通工程与公路运输技术管理)

在线出版日期：2024-09-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：60-68