典型文献
人机混驾环境下基于深度学习的车辆切入轨迹预测
文献摘要：
为保证人机混驾环境下自动驾驶汽车的安全行驶,对周围车辆切入轨迹的预测至关重要.本文首先使用Savitzky-Golay滤波器对大规模采集的自然驾驶数据进行去噪处理,根据准则提取车辆切入片段,建立符合中国道路状况的车辆切入数据集.其次,发挥Bi-LSTM网络能充分利用上下文信息的优点和in-out快捷连接有效减少梯度消失和网络退化的能力,提出了一种基于深度学习的改进型Bi-LSTM神经网络,来预测车辆的切入轨迹,在双向长短时记忆网络的基础上引入快捷连接,并综合考虑了自车对周边车辆切入的影响.利用自然驾驶数据集和NGSIM数据集进行试验验证,结果表明,本文提出的改进型Bi-LSTM预测模型的轨迹预测效果明显优于其他方法,对增强自动驾驶汽车的安全性具有重要的意义.
文献关键词：
自动驾驶;切入轨迹预测;人机混驾;深度学习;改进型Bi-LSTM
中图分类号：
作者姓名：
郭景华;何智飞;罗禹贡;李克强
作者机构：
厦门大学航空航天学院,厦门 361005;清华大学车辆与运载学院,北京 100084
文献出处：
引用格式：
[1]郭景华;何智飞;罗禹贡;李克强-.人机混驾环境下基于深度学习的车辆切入轨迹预测)[J].汽车工程,2022(02):153-160,214
A类：
切入轨迹预测
B类：
人机混驾,保证人,下自,自动驾驶汽车,安全行驶,Savitzky,Golay,滤波器,大规模采集,自然驾驶数据,去噪处理,符合中国,中国道路,道路状况,Bi,上下文信息,out,接有,梯度消失,改进型,双向长短时记忆网络,NGSIM,其他方法
AB值：
0.277709
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。
