混合示教长短时记忆网络的车辆轨迹预测研究

来源：交通运输系统工程与信息杂志2023年第4期北京时间：

作者：方华珍, 刘立, 肖小凤, 顾青, 孟宇

单位：北京科技大学，机械工程学院，北京 100083

摘要：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。

关键词：智能交通,混合示教,长短时记忆网络,人工驾驶车辆,智能网联车,车辆轨迹预测

基金资助：国家自然科学基金青年科学基金(52202505)；国家重点研发计划(2019YFC0605300)