机械工程学报

作者：高凯, 李勋豪, 胡林, 陈彬, 杜荣华

单位：1. 长沙理工大学汽车与机械工程学院 长沙 410114;2. 长沙理工大学智能道路与车路协同湖南省重点试验室 长沙 410114

关键词：自动驾驶,换道意图,卷积神经网络,长短期记忆网络,多头注意力；

基金：国家自然科学基金(52172399);湖南省自然科学基金(2021JJ40575);湖南省研究生科研创新项目(QL20210194)资助项目

自动驾驶车辆与传统车辆混行的交通环境中,车辆的换道意图预测能够为自动驾驶车辆安全行驶提供有效保证。为了更准确地预测车辆的换道意图,将多头注意力与卷积神经网络(Convolution neural network,CNN)和长短时记忆(Long-short term memory,LSTM)网络结合,提出一种新型车辆换道意图预测算法。首先对NGSIM(Next generation Simulaion)数据集进行处理,提取车辆横向位置信息和周围环境信息。然后输入基于多头注意力(Multi-headattention)的CNN-LSTM模型,提高对输入序列特征的提取能力和预测精度。最后在NGSIM数据集验证该模型的有效性。试验结果表明,该模型能够从大量数据中提取到重要特征,同时通过特征对比试验发现,横向位置信息作为预测的主要特征,而周围环境信息作为预测的辅助特征。最后通过模型的对比试验得出,该模型的换道意图预测准确率在换道前1s、2s、3s相比于LSTM、CNN、CNN-LSTM模型具有更好的预测精度,可以为自动驾驶汽车设计先进的意图预测算法提供帮助和参考。

来源：2022年第22期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2022年第22期