基于稀疏权重共享的多模态轨迹预测

来源：中国血液净化杂志2023年第9期北京时间：

作者：刘占文, 李文倩, 林杉, 李超, 樊星, 赵祥模

单位：1. 长安大学 信息工程学院, 陕西 西安 710064;2. 长安大学 电子与控制工程学院, 陕西 西安 710064"],"fundList_en":["National Nature Science Foundation of China (211024210510); Key Research and Development Program of Shaanxi (2023-LL-QY－24)

摘要：复杂动态环境与驾驶人意图的不确定性会导致车辆未来运动轨迹产生多种概率分布。基于Transformer的轨迹预测模型能够很好地建模车辆间的交互关系,但多模态轨迹预测的参数量和计算量都很大,且存在3~5 s内长时预测精度低等问题。提出一种基于稀疏权重共享的多模态轨迹预测网络,构建包括数据处理模块、权重迭代剪枝模块、编码器模块和解码器模块的预测框架,以轻量化的方式实现多模轨迹的长时精准预测。首先,由基于无监督聚类的数据处理模块计算车辆行驶时间内的横向位移差,聚类得到左偏移、右偏移和保持直行3种具有不同驾驶意图的样本数据子集。其次,构建权重迭代剪枝模块,对Transformer解码器的自注意力机制进行参数稀疏化,为不同驾驶意图的数据生成对应的子网掩码,形成稀疏共享子网络。然后,将具有不同驾驶意图的数据子集依次输入到编码器模块,再传输至解码器的稀疏共享子网络中进行并行训练。最后,得到多种驾驶意图的预测轨迹模型,实现输出车辆多模态预测轨迹及分布概率,并基于真实高速公路车辆轨迹HighD和NGSIM数据集进行了算法对比试验。结果表明:与现有的多模态预测方法相比,所提出方法的均方根误差在3~5 s内长时轨迹预测具有显著优势,且与单模态轨迹预测相比,大大提高了预测轨迹的多样性与精度。

关键词：交通工程,轨迹预测,稀疏权重共享,多模态,Transformer

基金资助：国家自然科学基金项目(211024210510)；陕西省重点研发计划项目(2023-LL-QY-24)