-
题名基于EKF-GRU的车辆轨迹预测
- 1
-
-
作者
张传莹
徐国艳
陈志发
周彬
陈立伟
洪玮
-
机构
北京航空航天大学交通科学与工程学院
贵州开源爆破工程有限公司
-
出处
《中国安全科学学报》
CAS
CSCD
北大核心
2024年第6期164-172,共9页
-
基金
国家重点研发计划课题项目(2022YFB4703702)。
-
文摘
为提升行车安全,实现自动驾驶车辆正确的决策规划,提出基于扩展卡尔曼滤波(EKF)-门控循环单元(GRU)的车辆轨迹预测方法,结合学习方法与物理模型,在提升预测精度的同时,提高轨迹预测的合理性。首先,基于GRU构建预测网络,通过提取车辆的历史轨迹特征预测车辆的纵向加速度及横摆角速度;其次,基于车辆非线性运动学构建EKF状态估计器,结合观测值生成车辆未来有限时域的行驶轨迹;最后,在高速公路多车轨迹数据集NGSIM I-80和US-101上进行轨迹预测方法验证。结果表明:采用传统的物理模型生成预测轨迹,其最终距离误差(FDE)、均方根误差(RMSE)、平均距离误差(ADE)值分别为6.48、7.69和3.03 m。相比之下,利用EKF-GRU生成的预测轨迹表现出更高的准确性,对应的数值分别为5.45、6.67和2.56 m,分别提升15.90%、13.26%和15.51%。
-
关键词
扩展卡尔曼滤波(EKF)
门控循环单元(GRU)
车辆轨迹
轨迹预测
ngsim数据集
神经网络
-
Keywords
extended Kalman filtering(EKF)
gate recurrent unit(GRU)
vehicle trajectory
trajectory prediction
next generation simulation(ngsim)dataset
neural network
-
分类号
X951
[环境科学与工程—安全科学]
-
-
题名基于长短时记忆网络的路口转向意图预测
- 2
-
-
作者
王亚伟
尹慧琳
伍淑莉
王杰
-
机构
同济大学中德学院
-
出处
《系统仿真技术》
2019年第1期1-6,共6页
-
基金
国家自然科学基金(61701348)
科技部重点专项(2016YFB0100901
+1 种基金
2018YFB0105101)
TUEV SUED基金(20162020)
-
文摘
提出了通用路口车辆行驶意图预测模型,对其他交通参与者在路口的转向意图进行预测。根据驾驶场景对真实数据集NGSim(Next Generation Simulation)进行特征选择与数据提取,然后使用长短时记忆(LSTM)网络进行通用模型训练。结果表明:该模型可以在停车线前10 m预测出车辆是左转、右转,还是继续直行,预测正确率为92. 3%。
-
关键词
自动驾驶
长短时记忆(LSTM)网络
运动行为预测
意图预测
ngsim(next
generation
simulation)
-
Keywords
autonomous driving
long short-term memory(LSTM)networks
motion behavior prediction
intention prediction
ngsim(next generation simulation)
-
分类号
U463.6
[机械工程—车辆工程]
TP183
[自动化与计算机技术—控制理论与控制工程]
-