基于条件变分自编码器的车辆轨迹预测模型
来源：计算机工程与应用杂志2026年第11期北京时间：
作者：马强, 雷俊杰, 谢佳成
单位：西南科技大学 信息与控制工程学院，四川 绵阳 621010；
摘要：为解决现有车辆轨迹模型结构较复杂、速度慢，难以兼顾准确性和实时性等问题，提出基于条件变分自编码器（conditional variational autoencoder，CVAE）的车辆轨迹预测模型。训练时，输入目标车辆真实未来轨迹和历史交通信息，基于双向门控循环单元（bidirectional gated recurrent unit，Bi-GRU）、注意力、图注意力网络（graph attention network，GAT）设计编码，提取交通场景各元素在时空上的自相关和交互信息，并将道路中所有的智能体信息映射到道路节点上，从而以混合的道路节点信息表征输入的多种交通信息；将处理后的交通信息视为节点图，引入图像领域的CVAE模型，提取道路节点在时空上的潜在特征向量；引入道路环境中的条件信息，生成未来轨迹。推理时，仅输入历史交通信息，得到与训练时相近的潜在状态向量，预测目标车辆的未来轨迹。在nuScenes和Argoverse数据集上进行了实验，实验结果表明该模型以更低的时间复杂度和推理时间达到了更优秀的短时间预测准确性，并在长时间预测上表现良好，能够满足自动驾驶系统的准确性和实时性需求。
关键词：轨迹预测,生成模型,条件变分自编码器（CVAE）,实时性
基金资助：西藏自治区科技计划项目（XZ202501YD0008）。
