检索结果-南通市图书馆

基于时空特征融合与候选策略的智能汽车多模态轨迹预测

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2024年

作者：杨智勇杨俊许沁欣重庆师范大学计算机与信息科学学院重庆工程职业技术学院大数据与物联网学院

针对现有轨迹预测模型在捕捉复杂时空动态方面的局限性，以及部分预测轨迹不符合实际场景约束等问题，提出了一种基于时空特征融合和候选策略的智能汽车多模态轨迹预测模型。首先，在场景编码和特征融合阶段，设计了非对称双向门控循环... 详细信息

针对现有轨迹预测模型在捕捉复杂时空动态方面的局限性，以及部分预测轨迹不符合实际场景约束等问题，提出了一种基于时空特征融合和候选策略的智能汽车多模态轨迹预测模型。首先，在场景编码和特征融合阶段，设计了非对称双向门控循环单元以捕获历史轨迹序列之间的双向依赖性；随后引入一种基于交叉注意力的混合特征注意力方法，以建模车道与交通参与者间的隐式交互，并在车道图节点中深度融合车道空间特征和轨迹的时序特征。最后，在解码器前引入直接使用车道拓扑结构的候选策略，该策略将利用先验知识指导预测过程，并通过覆盖目标车辆可能的未来轨迹，确保解码器能够输出可靠的多模态轨迹。该模型在公开数据集nuScenes上进行验证，实验结果表明，在预测5条和10条轨迹时，minADE和MR分别较最佳对比模型提高了7.5%、11.5%和5.5%、21.4%。可视化结果展现出更强的稳健性和解释性。

关键词：智能驾驶轨迹预测时空特征融合注意力机制多模态预测

基于注意力与深度交互的周车多模态行为轨迹预测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

吉林大学学报（工学版） 2023年第5期53卷 1474-1480页

作者：田彦涛黄兴卢辉遒王凯歌许富强吉林大学通信工程学院长春130022 吉林大学工程仿生教育部重点实验室长春130022

设计了一种车辆深度交互编码并结合基于注意力机制的解码器模型,该模型同时输出车辆多模态行为预测结果和未来轨迹预测分布。使用公开的NGSIM US-101和I-80数据集评估所提出的模型,并且对模型多模态行为机动预测进行了定性分析。结果表... 详细信息

设计了一种车辆深度交互编码并结合基于注意力机制的解码器模型,该模型同时输出车辆多模态行为预测结果和未来轨迹预测分布。使用公开的NGSIM US-101和I-80数据集评估所提出的模型,并且对模型多模态行为机动预测进行了定性分析。结果表明:该模型具有较好的均方根误差值(RMSE),在提升了计算效率的基础上获得了更高的轨迹预测精度。

关键词：车辆工程轨迹预测多模态预测注意力机制门控循环单元

毅力的脑结构基础及其基于多模态脑影像的预测评估

在线全文

学校读者我要写书评

暂无评论

毅力的脑结构基础及其基于多模态脑影像的预测评估

作者：杨超群西南大学

学位级别：硕士

已经有多个研究者指出现代社会的成功,除了和个体自身的认知能力,例如:流体智力,记忆能力,加工速度等有关,非认知能力的品质也高度影响着个体取得成就的水平,例如:乐观,毅力等。当前心理学,教育学和行为经济学领域都开始意识到非认知能... 详细信息

已经有多个研究者指出现代社会的成功,除了和个体自身的认知能力,例如:流体智力,记忆能力,加工速度等有关,非认知能力的品质也高度影响着个体取得成就的水平,例如:乐观,毅力等。当前心理学,教育学和行为经济学领域都开始意识到非认知能力的重要性。然而,并没有足够多的研究去探索非认知能力是怎样在成功过程中起作用的,而相关的认知解释的生物基础就更加匮乏。毅力作为和成功有显著关系的非认知能力,一般被认为是一种对未来目标持续的热情和坚持,目前研究认为,毅力在个体一生中起到的作用甚至在某种程度上比智商更具有预测个体成就水平的价值。近年来随着功能磁共振成像(Functional Magnetic Resonance Imaging)技术的出现和发展,对毅力脑机制的研究逐渐开始兴起,毅力的脑结构以及功能机制都有一些研究进展。研究发现,毅力和腹侧纹状体以及前额叶皮层(包括背内侧和背外侧前额叶,前扣带皮层)之间的功能连接有关。毅力相关的心理品质也有很多和前额叶有关,比如大五人格中的毅力和神经质,很多研究也揭示了他们和前额叶有关;此外,毅力也是自我管理的子结构,而自我管理也和前额叶有高度相关。因而毅力的脑基础可能主要存在于前额叶或者执行控制网络中。本研究关注于毅力的大脑结构基础和功能基础,通过预测的方法找到毅力相关的脑机制,通过对这些脑机制的解读,更好的去阐述造成毅力的个体差异的原因以及如何在未来的成就水平预估机制中做出更好的预测。研究一采用简版毅力量表对被试的毅力品质进行评估。在回归了年龄、性别、智力等因素后,使用相关分析来检验毅力和脑结构影像之间的关系,得到和毅力显著相关的结构脑区,发现毅力得分和大脑楔前叶脑区有显著负相关。研究二采用毅力问卷(Grit-S)对被试的毅力得分进行评估,计算被试的毅力问卷总分。将一个被试作为测试组,另外的全部被试作为训练组,使用静息态功能网络中的边与训练组中被试毅力总分做相关,取出p值小于5%的边作为特征选取边,并利用这些特征选取后得到的边拟合线性模型,使用测试组对预测模型评估。采用留一法的预测方法,先使用结构的全脑灰质体积对毅力得分进行预测,再使用全脑功能连接对毅力得分进行预测,最后联合全脑灰质体积和功能连接一起对毅力得分进行预测。比较三者的预测效果后,本研究发现两种模态的数据源整合起来对毅力得分预测效果比任意单一模态预测效果都要好。这个结果说明,全脑灰质和功能连接都可以作为毅力得分的特征预测特征,另外是,这种多模态的预测方法,相比单一模态的预测具有更好的效果,也为以后的预测研究也提供了一个新的思路。综上所述,本研究推测毅力的个体差异和大脑楔前叶的灰质体积有关,灰质体积越大的被试,毅力得分可能就越低,但是这一结论还需要更多的验证。且本研究使用多模态预测的方法,结合结构与功能的核磁数据,更为准确的预测毅力的个体差异,这可以帮助对于相关行业的人才选拔。

关键词：毅力核磁共振全脑灰质体积多模态预测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于流模型的多模态轨迹生成方法研究

基于流模型的多模态轨迹生成方法研究

作者：汪涛大连海事大学

学位级别：硕士

准确预测未来轨迹是自动驾驶车辆、移动机器人等智能交通系统在复杂场景下与环境进行安全交互的重要能力。近年来,由于服务机器人和自动驾驶汽车等新兴人工智能应用的巨大需求,轨迹预测已成为计算机视觉领域中的一项重要任务。然而准确... 详细信息

准确预测未来轨迹是自动驾驶车辆、移动机器人等智能交通系统在复杂场景下与环境进行安全交互的重要能力。近年来,由于服务机器人和自动驾驶汽车等新兴人工智能应用的巨大需求,轨迹预测已成为计算机视觉领域中的一项重要任务。然而准确预测未来轨迹非常困难,因为人类的决策行为往往受内在运动意图、个人偏好和场景信息等因素影响,会表现出高度的不确定性。从其运动轨迹角度分析,未来有多种可行路径可被选择。学习轨迹数据分布、捕捉不确定信息是实现多模态轨迹预测的有效途径。随着机器学习技术的快速发展,生成模型如生成式对抗网络(Generative Adversarial Net,GAN)和变分自编码器(Variational Auto-Encoder,VAE)在多模态数据学习方面显示出巨大潜力,并进一步扩展到序列数据生成问题,在轨迹预测任务上取得了不错的应用效果。基于生成模型的预测方法学习轨迹分布,引入隐变量捕捉移动行为的不确定性,通过采样方式生成多样化轨迹。然而常见的生成模型如GAN和VAE应用于轨迹生成任务存在模式损失问题,生成器只可生成单种模态或者部分模态轨迹,多样性低于真实数据。对于安全性要求很高的应用场景(如自动驾驶)来说模式损失可能会导致碰撞,威胁人类生命安全。为解决预测多样性问题,本文提出一种基于流模型的多模态轨迹预测方法。方法以标准的编码器-解码器结构为基础引入流变换作为可逆网络学习数据分布。首先,使用LSTM编码轨迹数据,捕获时序信息;随后,可逆网络通过流变换将复杂的轨迹数据分布转化为易于处理的正态高斯分布。其次,通过逆变换,将高斯变量可转换为隐变量。最后,与观测信息结合送入LSTM解码器生成轨迹。由于不同的隐变量代表不同的移动行为,可凭借随机采样方式生成多样的预测轨迹。与GAN不同,流模型通过直接优化数据对数似然学习显式学习隐变量分布。与VAE相比,数据生成方式是确定性的,未引入随机噪声,这确保生成样本的高质量,避免发生模式损失问题。仿真数据上验证本文方法的多样性和分布学习能力,在真实数据上证明该方法预测效果优于基于GAN和VAE的方法,其预测指标与一些先进模型接近。

关键词：轨迹预测多模态预测可逆网络流生成模型

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

车辆多目标交互行为建模的轨迹预测方法

智能系统学报 2023年第3期18卷 480-488页

作者：赵靖文李煊鹏张为公东南大学仪器科学与工程学院江苏南京210096

预测周围智能体的运动轨迹是实现自动驾驶行为决策规划的关键。面对复杂的车辆交互影响和多模态驾驶意图所带来的难题,本文提出一种基于车辆多目标交互行为建模的轨迹预测方法。该方法采用条件变分自编码器生成轨迹终点的多模态结果,结... 详细信息

预测周围智能体的运动轨迹是实现自动驾驶行为决策规划的关键。面对复杂的车辆交互影响和多模态驾驶意图所带来的难题,本文提出一种基于车辆多目标交互行为建模的轨迹预测方法。该方法采用条件变分自编码器生成轨迹终点的多模态结果,结合自注意力机制和多头注意力机制来捕捉车辆之间的群体交互影响,最终使用逆强化学习输出多模态轨迹的最优决策,实现了同步预测多个目标轨迹。在高速公路数据集NGSIM上的实验结果证明该模型的有效性,并且预测效果整体优于现有方法。

关键词：轨迹预测注意力机制多目标交互多模态预测条件变分自编码器端点生成逆强化学习决策校正

在线全文

学校读者我要写书评

暂无评论

基于有向图的强化学习自动驾驶轨迹预测

郑州大学学报（工学版） 2023年第5期44卷 53-61页

作者：崔建明蔺繁荣张迪张路宁刘铭长安大学信息工程学院陕西西安710018 国家计算机网络应急技术处理协调中心北京100029

轨迹预测作为自动驾驶中的重要组成部分,旨在对车辆进行行驶估计,以便车辆根据行驶估计进行路径规划,从而做出安全准确的决策。首先,为提升车辆轨迹预测精度,采用有向图方法构建高清驾驶场景地图,有向图方法将地图信息矢量化,以便有效... 详细信息

轨迹预测作为自动驾驶中的重要组成部分,旨在对车辆进行行驶估计,以便车辆根据行驶估计进行路径规划,从而做出安全准确的决策。首先,为提升车辆轨迹预测精度,采用有向图方法构建高清驾驶场景地图,有向图方法将地图信息矢量化,以便有效提取地图拓扑结构;其次,采用生成对抗模仿学习(GAIL)通过生成器与判别器的对抗博弈学习数据集驾驶策略,从而根据当前状态采取对应驾驶行为;最后,通过采样遍历得到多模态预测轨迹方案。在nuScenes运动预测数据集上进行仿真,量化结果显示相比于其他方法,K=5时,最小最终位移误差MinFDE_(5)提高了10.8%;K=10时,最小最终位移误差MinFDE_(10)提高了17.53%,最小平均位移误差MinADE_(10)提高了9.52%,失误率MissRate_(10)减少了28.26%。评估结果表明:生成的轨迹多模态符合场景基本结构,且准确度得到提高。

关键词：自动驾驶轨迹预测有向图强化学习 GAIL 注意力机制多模态预测

在线全文

学校读者我要写书评

暂无评论

基于深度神经网络的轨迹预测算法综述

电视技术 2022年第2期46卷 21-28页

作者：彭子沣葛万成同济大学中德学院上海201804

人类驾驶者会持续观察、分析周边车辆和行人的行为,实时地规划安全的行车轨迹。自动驾驶汽车也应当与人类一样具备感知和预测交通参与者行为的能力,以提前判断其未来的运动轨迹。轨迹预测模块的预测准确度至关重要,因为其接受感知系统... 详细信息

人类驾驶者会持续观察、分析周边车辆和行人的行为,实时地规划安全的行车轨迹。自动驾驶汽车也应当与人类一样具备感知和预测交通参与者行为的能力,以提前判断其未来的运动轨迹。轨迹预测模块的预测准确度至关重要,因为其接受感知系统提供的输入信息,并作为路径规划等决策任务的上游输入,使其成为自动驾驶技术中承上启下的重要中间环节。随着近年来数据科学和传感器领域的长足发展,大量关注行人、车辆等多样化交通参与者的大型数据集得以建立,使得轨迹预测问题的解决方案从传统的动力学模型过渡到深度学习模型成为可能。基于此,介绍行人、车辆轨迹预测算法的发展历程和重要论文的解决方案,并总结该领域形成共识的几种思路,展望最新的研究趋势。

关键词：轨迹预测自动驾驶深度学习多模态预测序列处理问题

在线全文

学校读者我要写书评

暂无评论

基于生成对抗机制的群体行为预测方法研究

基于生成对抗机制的群体行为预测方法研究

作者：张睿大连海事大学

学位级别：硕士

现代社会,预测人群场景中的群体行为,得到多个人群之间交互的未来轨迹已经成为复杂场景下的研究热点,在计算机视觉等领域中引起了广泛的关注,基于现有的轨迹预测框架,结合各大代表性轨迹预测算法的理论基础,本论文提出了一种新的基于生... 详细信息

现代社会,预测人群场景中的群体行为,得到多个人群之间交互的未来轨迹已经成为复杂场景下的研究热点,在计算机视觉等领域中引起了广泛的关注,基于现有的轨迹预测框架,结合各大代表性轨迹预测算法的理论基础,本论文提出了一种新的基于生成对抗网络的可解释模型。本论文以场景中所有行人的历史轨迹数据和原始场景图片数据作为模型的输入,在生成对抗网络框架的基础上,新引入了物理注意力机制和社会注意力机制对轨迹预测进行双重考虑,得到更符合物理及社会规范的行人未来预测轨迹。本文具体的研究内容如下:（1）在生成对抗网络框架的基础上,新引入了物理注意力机制和社会注意力机制。物理注意力模块有助于网络提取场景的地形等背景信息,得到更值得关注的重要区域,避免无效的预测,增加预测的准确性;社会注意力模块能够聚合不同行人之间的信息并提取来自周围行人的最重要的轨迹信息,使得此方法能够预测出符合社会规范的路径。物理及社会双注意力机制的补充,弥补了传统预测算法未考虑到场景环境信息的问题,实现了对行人更合理更精确的预测。（2）本文使用生成对抗网络作为预测算法的基本框架下,使得本模型同时也能够实现对行人未来轨迹的多模态预测。轨迹多模态的本质就是基于行人轨迹和场景的历史信息,行人可以有多条可接受的未来路径。通过在多个仿真数据集上的测试,我们验证了本文模型确实具备多模态生成属性。再考虑到对人群未来轨迹的预测,我们首先对场景中各个不同人群的轨迹进行聚类处理,得到每个人群轨迹的聚类结果。再将此聚类结果作为均值轨迹数据向上述模型输入,大致预测其未来时刻的轨迹,此即为人群的趋势方向预测。（3）本文在真实的基准数据集ETH、UCY上进行了实验,其数据指标结果可以证明本模型在预测准确性表现方面优于简单的线性网络、长短期记忆网络及衍生的社会长短期记忆网络和社会生成对抗网络等轨迹预测模型。在人群趋势预测方面,我们首先验证了人群聚类算法的准确性,再可视化了人群趋势的预测,得到了对人群准确的趋势方向的预测。

关键词：轨迹预测人群聚类生成对抗网络双注意力机制多模态预测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

尽责性的遗传及大脑动态基础

尽责性的遗传及大脑动态基础

作者：夏云曼西南大学

学位级别：硕士

尽责性一直被认为是和社会成就以及学业成绩高度相关的人格维度,研究表明,影响个体尽责性形成和发展的因素包括遗传和后天环境两个方面。在早期,研究主要集中于对尽责性和其他外部环境变量之间的关系,例如尽责性和家庭社会经济地位,尽... 详细信息

尽责性一直被认为是和社会成就以及学业成绩高度相关的人格维度,研究表明,影响个体尽责性形成和发展的因素包括遗传和后天环境两个方面。在早期,研究主要集中于对尽责性和其他外部环境变量之间的关系,例如尽责性和家庭社会经济地位,尽责性和学校教育等问题。近年来,随着新的技术手段的出现,对尽责性生物基础的研究也在不断发展。有研究发现尽责性具有稳定的遗传基础,和特定的基因位点有关,遗传对其的影响十分强大。也有研究发现,尽责性具有相关的大脑基础,它和大脑外侧前额叶及额中回的脑区结构有关,可能是因为这些脑区负责对于复杂事物的规划和自我控制。但是以往的研究主要是将遗传基础、脑、尽责性三个变量两两建立联系,并不能建立一条完整的遗传基础影响人格维度的线索链条。随着生物信息学科的发展,逐渐发展出神经影像遗传学,这种学说假设基因通过脑对行为做出影响和调控,基因被称为内表型,脑被称为中间表型,行为被称为外表型。这给了人格心理学家新的研究思路,即将基因,大脑和人格结合起来,建立一个人格的基因和大脑基础的模型。本研究旨在探究尽责性的遗传和动态脑基础。为了达到这一目标,首先,本研究考察了多基因分数(Polygenic Risk Scores)和动态脑指标与尽责性个体差异之间的关系。然后,本研究分别采用多基因分数、动态脑指标以及基因和动态脑指标结合的多模态模型对尽责性个体得分做预测。研究一采用大五人格问卷对被试的尽责性个体得分进行评估,计算尽责性多基因分数来表示尽责性的遗传基础,在静息态功能核磁数据上执行动态功能网络连接分析,从而得到动态脑指标。首先检验了这三者之间的相关关系,然后在控制了年龄、性别因素后,研究者检验了基因,脑,人格三者之间的中介效应。结果表明尽责性多基因分数和尽责性个体得分并不显著相关,大脑动态网络指标和尽责性个体得分有显著相关,中介效应显著,即基因对人格的影响是通过大脑实现的。本研究证明了基因、脑、尽责性之间具有显著的相关性,且大脑在遗传基础影响人格时起着中介作用,这一发现佐证了神经影像遗传学的理论假设。研究二采用留一法交叉验证的预测方法,先使用大五人格的多基因分数对尽责性个体得分进行预测,再使用动态功能脑网络指标对尽责性个体得分进行预测,最后使用大五人格的多基因分数和动态功能网络指标的联合特征向量对尽责性个体得分进行预测。结果表明多基因分数和动态脑网络指标都可以作为预测尽责性个体得分的有效特征,多模态结合的预测方法可以获得更好的预测表现。本研究进一步表明尽责性具有遗传基础和大脑基础,遗传和大脑的信息结合可以预测尽责性的个体得分。综上所述,本研究结果表明尽责性的遗传基础通过影响大脑功能网络的动态切换,进而影响大五人格中的尽责性个体差异;结合遗传基础和动态脑网络指标可以更好的预测尽责性的个体得分。这一结果说明了尽责性具有遗传和大脑动态的基础,证明了神经影像遗传学的合理性,即基因作为内表型,通过脑这一中介表型,对行为的外表型起作用;同时也为后续尽责性研究提供了新的思路。

关键词：尽责性多基因分数动态功能网络连接多模态预测