频域-时空协同框架下的车辆轨迹预测及意图识别模型
来源：计算机工程与应用杂志2026年第11期北京时间：
作者：王庆荣, 韩芳文, 朱昌锋, 金小龙
单位：1.兰州交通大学 电子与信息工程学院，兰州 730070；2.兰州交通大学 交通运输学院，兰州 730070；
摘要：针对现有轨迹预测方法在高频噪声干扰下易产生误差累积，且复杂空间交互建模导致计算效率低下的问题，提出一种频域-时空协同预测框架。该方法利用多元变分模态分解算法对历史轨迹序列进行解析，并约束其异常扰动，以抑制高频噪声干扰及提取频域特征；采用卷积神经网络与特征缩放的方式增强车辆与周围环境的交互感知；自适应融合多频域轨迹分量与空间交互特征，结合长短时记忆网络和驾驶意图概率向量，利用混合密度网络输出预测轨迹的概率密度分布。在下一代仿真数据集上的实验表明：相较于其他对比模型而言，所提方法均有不同程度的提升，有效实现了频域解析、时序建模及交互感知的协同优化；且在1~5?s预测范围内的最大均方误差仅为1.43?m，满足复杂交通场景下的轨迹预测需求。
关键词：轨迹预测,频域-时空协同,多元变分模态分解（MVMD）,卷积神经网络,混合密度网络（MDN）
基金资助：国家自然科学基金（72161024）；甘肃省教育厅“双一流”重大研究项目（GSSYLXM-04）。
