基于周边车辆轨迹预测的智能汽车路径规划

为提高智能汽车在动态行车环境下的行驶安全和通行效率,研究了基于周边车辆轨迹预测的路径规划方法,并进行了仿真。提出了一种基于时空图卷积网络(STGCN)的周边车辆轨迹预测方法,通过STGCN对车辆历史轨迹进行编码,提取交通图的时空特征,并结合长短时记忆网络实现周边车辆的轨迹预测。在此基础上,提出了一种基于改进人工势场(APF)的路径规划方法;建立了基于APF的行车危险评价模块;利用Frenet坐标描述驾驶危险度,通过目标障碍物和道路边界的势能分布及梯度下降法完成路径规划。结果表明:本算法的短时预测精度提高了3%,长时预测精度提高了1%;所得路径曲线的前轮转角不超过0.12 rad,曲率不超过0.1;因此,在确保有效避撞的前提下,保证了车辆行驶的舒适性和高效性。