考虑车-路交互作用的车辆轨迹预测算法研究

作     者：李玖法 邹博文 任玥 LI Jiufa;ZOU Bowen;REN Yue

作者机构：西南大学人工智能学院重庆400715 中国汽车工程研究院股份有限公司重庆401122 西南大学工程技术学院重庆400715 

出 版 物：《机械工程学报》 (Journal of Mechanical Engineering)

年 卷 期：2024年第60卷第10期

页      面：76-85页

核心收录：

学科分类：080503[工学-材料加工工程] 08[工学] 0805[工学-材料科学与工程（可授工学、理学学位）] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

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-msxm X0496) 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 

主　　题：轨迹预测 深度学习 编码-解码框架 人工势场 注意力机制 

摘      要：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。