考虑货车因素图注意力网络的自动驾驶车辆轨迹预测方法

为提高车辆自动驾驶的安全性并减少拥堵的可能性,创新性地考虑货车因素对车辆交互感知的影响,提出一种基于图注意力网络的车辆自动驾驶轨迹预测算法。该算法首先采用编码器-解码器架构,其中Encoder利用全连接层和LSTM层,将输入的低维特征转换为高维表示,并初步提取轨迹的时序特征;其次,以GAT作为Encoder的输出,通过图注意力网络动态捕捉车辆间的空间关系,增强了模型对复杂交通环境的感知能力;最后,利用GAT的结果,结合一个全连接层和一个可训练权重矩阵进行驾驶意图识别,并将识别结果与GAT输出串联,再次输入LSTM网络以生成最终轨迹预测。通过在NGSIM数据集上的实验验证,数值结果表明,考虑货车因素的模型在轨迹预测结果上得到更小的均方根误差,显著提升了预测精度。