机械工程学报

作者：李玖法, 邹博文, 任玥

单位：1. 西南大学人工智能学院 重庆 400715;2. 中国汽车工程研究院股份有限公司 重庆 401122;3. 西南大学工程技术学院 重庆 400715

关键词：轨迹预测,深度学习,编码-解码框架,人工势场,注意力机制；

基金：重庆市技术创新与应用发展专项重点(CSTB2022TIAD-KPX0038)、重庆市自然科学基金面上(cstc2020jcyj-msxmX0496)和汽车主动安全测试技术重庆市工业和信息化重点实验室开放课题(22AKC03)资助项目。

准确预测动态障碍轨迹是自动驾驶车辆正确决策和精准控制的关键。考虑复杂环境中车辆运动状态受车道信息和周围车辆共同影响，基于编-解码框架，提出一种聚合车辆-车道信息的车辆轨迹预测模型。首先采用有向图表征地图车道节点，然后通过门控循环单元(Gated recurrent unit, GRU)对目标车辆和周围障碍进行融合编码，同时引入人工势场模型，表征车-车相对交互作用。再将车道节点向量和斥力向量融合，并采用注意力机制进一步挖掘编码向量时空耦合机制。最后通过策略网络对车道节点进行评分和聚类，实现障碍物多模态轨迹预测。基于nuScene轨迹预测数据集进行训练和评估，测试结果表明，相较于现有基线模型，提出的预测模型具有更低的预测误差和更好的鲁棒性。另外，将斥力场引入注意力机制使得该模型具有更好的可解释性。

来源：2024年第10期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2024年第10期