典型文献
基于多头注意力的CNN-LSTM的换道意图预测
文献摘要：
自动驾驶车辆与传统车辆混行的交通环境中,车辆的换道意图预测能够为自动驾驶车辆安全行驶提供有效保证.为了更准确地预测车辆的换道意图,将多头注意力与卷积神经网络(Convolution neural network,CNN)和长短时记忆(Long-short term memory,LSTM)网络结合,提出一种新型车辆换道意图预测算法.首先对NGSIM(Next generation Simulaion)数据集进行处理,提取车辆横向位置信息和周围环境信息.然后输入基于多头注意力(Multi-head attention)的CNN-LSTM模型,提高对输入序列特征的提取能力和预测精度.最后在NGSIM数据集验证该模型的有效性.试验结果表明,该模型能够从大量数据中提取到重要特征,同时通过特征对比试验发现,横向位置信息作为预测的主要特征,而周围环境信息作为预测的辅助特征.最后通过模型的对比试验得出,该模型的换道意图预测准确率在换道前1s、2s、3s相比于LSTM、CNN、CNN-LSTM模型具有更好的预测精度,可以为自动驾驶汽车设计先进的意图预测算法提供帮助和参考.
文献关键词：
自动驾驶;换道意图;卷积神经网络;长短期记忆网络;多头注意力
中图分类号：
作者姓名：
高凯;李勋豪;胡林;陈彬;杜荣华
作者机构：
长沙理工大学汽车与机械工程学院 长沙 410114;长沙理工大学智能道路与车路协同湖南省重点试验室 长沙 410114
文献出处：
引用格式：
[1]高凯;李勋豪;胡林;陈彬;杜荣华-.基于多头注意力的CNN-LSTM的换道意图预测)[J].机械工程学报,2022(22):369-378
A类：
Simulaion
B类：
多头注意力,换道意图,意图预测,自动驾驶车辆,混行,交通环境,车辆安全,安全行驶,Convolution,neural,network,长短时记忆,Long,short,term,memory,车辆换道,预测算法,NGSIM,Next,generation,横向位置,位置信息,周围环境,环境信息,Multi,head,attention,序列特征,特征的提取,数据集验证,取到,预测准确率,1s,2s,3s,自动驾驶汽车,汽车设计,长短期记忆网络
AB值：
0.312594
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
