混合示教长短时记忆网络的车辆轨迹预测研究

为实现智能网联车对周围车辆运行轨迹准确地长时预测,本文提出一种混合示教解码的长短时记忆网络的车辆轨迹预测方法。首先,通过特征筛选和历史轨迹序列标注建立轨迹预测数据集;其次,构建长短时记忆网络的编码器-解码器模型,编码器将自车和周围车辆历史轨迹及道路环境信息编码为上下文向量,解码器采用混合示教的模式将上下文向量解码动态解码为未来轨迹;最后,采用真实道路数据集NGSIM US101和I-80路段验证模型的可行性。多组对比分析实验结果表明:本文所提方法在长时域预测的终点位移误差指标上的有效性和优越性,5 s的终点位移误差在2.7 m以内;并且模型在稀疏采样后的数据集上达到更高的预测准确率,5 s的位移误差在1.3 m以内。