考虑换道意图的卷积双向注意力网络高速公路车辆轨迹预测

来源：中国血液净化杂志2025年第6期北京时间：

作者：曹弋, 卜祥尊

单位：大连交通大学　交通工程学院，辽宁　大连　116028

摘要：<p>为了揭示换道意图对车辆行驶轨迹的影响，保障高速公路通行效率与安全，研究构建考虑换道意图的车辆轨迹预测模型。模型考虑车辆换道意图，将注意力机制融入卷积双向长短时记忆神经网络（Change Intention-convolutional Bidirectional Long Short-term Attention Network，CI-CBLA）。首先，针对预测车辆与周围车辆的交互关系及行驶轨迹数据的前后依赖关系，利用卷积神经网络和双向长短时记忆网络提取时空特征，通过融合注意力机制帮助模型关注重要时间序列。其次，借助航向角来定义车辆换道过程，即根据航向角的变化为数据添加换道意图标签，并将其转化为独热向量（One-hot）与轨迹信息拼接作为模型输入。最后，在NGSIM和HighD高速公路数据集中开展模型验证对比试验。研究结果表明：与当前主流轨迹预测模型相比，CI-CBLA的长时域（3～5 s）均方根误差及平均、最终位移误差指标实现了不同程度的下降，且该模型在HighD数据集中的预测优化幅度大于NGSIM数据集。考虑车辆换道意图能够有效提高轨迹预测精度，CI-CBLA模型在高速公路车辆轨迹预测方面表现优异。为验证模型的泛化性，选择Ubiquitous Traffic Eye数据集进行训练与验证，证明其可完成短时域的城市道路轨迹预测任务。</p>

关键词：交通工程,轨迹预测,深度学习,换道意图,双向长短时记忆网络,卷积网络,注意力机制