基于图卷积交互网络的车辆轨迹预测方法

作     者：王梦茜 蔡英凤 王海 饶中钰 陈龙 李祎承 Wang Mengxi;Cai Yingfeng;Wang Hai;Rao Zhongyu;Chen Long;Li Yicheng

作者机构：江苏大学汽车工程研究院镇江212013 江苏大学汽车与交通工程学院镇江212013 

出 版 物：《汽车工程》 (Automotive Engineering)

年 卷 期：2024年第46卷第10期

页      面：1863-1872页

核心收录：

学科分类：08[工学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(52225212 U20A20333)资助 

主　　题：自动驾驶汽车 轨迹预测 图卷积网络 交互建模 

摘      要：精确预测邻近车辆的未来轨迹对自动驾驶汽车的决策和运动规划至关重要,现有研究倾向于利用递归神经网络(RNN)对车辆的时间交互进行建模,但其对车辆交互建模的可解释性差,忽略了实际的车道结构,在捕捉车辆与其环境的交互方面存在不足。为解决这一问题,本文提出了一种基于图卷积交互网络的考虑车道拓扑约束的车辆轨迹预测模型。其中车辆交互关系提取模块在构建车辆的空间关系时增加了边缘权重,以考虑车辆的邻近交互,使交互更具可解释性;行驶场景表征模块旨在通过从高精地图中提取车道拓扑来提高车辆轨迹预测的准确性;轨迹预测模块将上述两个模块的输出进行集成,并输出预测的未来轨迹。这种集成允许对道路结构和车辆行驶轨迹之间的相互作用进行更精确的建模。实验结果表明,与主流方法相比,该模型在Argoverse数据集上取得了良好的性能,提高了复杂道路结构下车辆轨迹规划的准确性和合理性。