联合TCN和时空多头注意机制的车辆轨迹预测模型

来源：计算机工程与应用杂志2025年第12期北京时间：

作者：宋绍剑, 徐佳敏, 李刚, 李国进

单位：广西大学，南宁 530004

摘要：车辆轨迹预测为自动驾驶系统提供决策和规划的基础数据，它是自动驾驶过程的一个重要环节。然而，车辆轨迹预测过程存在复杂的空间交互性和时间相关性，给轨迹预测带来了巨大挑战。因此，提出了一种基于时空多头注意机制和时间卷积网络（temporal convolutional network，TCN）的车辆轨迹预测模型。将门控机制和TCN结合，经过多头注意机制后进行堆叠以提取不同层次的时间特征，并分配相应的权重。将相邻车辆的历史轨迹以栅格图的形式进行卷积操作和coordinate attention（CA）操作以提取空间交互特征。预测未来不同机动意图的概率，并将其和提取到的时空特征输入到基于长短期记忆网络（long short-term memory network，LSTM）的解码器中获得未来轨迹。所提模型在下一代仿真（next generation simulation，NGSIM）数据集进行了实验评估。与4种相似模型相比，提出的模型预测误差最高降低了17.8%。

关键词：车辆轨迹预测,自动驾驶,时空多头注意机制,时空特征