典型文献
面向群体行驶场景的时空信息融合车辆轨迹预测
文献摘要：
将车辆间时空交互信息融入卷积社会池化网络中,提出了一种面向群体行驶场景的有人驾驶车辆轨迹预测模型;使用长短时记忆(LSTM)网络预测群体车辆速度,基于此预测值计算群体车辆间的速度差;构造LSTM编码器捕捉群体车辆行驶轨迹的时间序列特征,设计卷积社会池化网络提取群体车辆间的空间依赖关系,使用LSTM解码器预测未来车辆各种动作的出现概率和相应轨迹,将具有最高出现概率的动作及其轨迹作为最终轨迹预测结果;使用真实轨迹数据集对所构建模型进行了参数标定和性能验证,测试了不同轨迹编解码与速度预测方法对模型性能的影响,确定了最优模型结构.计算结果表明:相较于历史速度,使用预测速度计算速度差作为模型输入可将均方根误差(RMSE)降低19.45％;相较于门控循环神经网络,使用LSTM进行速度预测可将RMSE降低4.91％;相较于原始卷积社会池化网络,所提出模型的轨迹预测误差在RMSE与负似然对数2个指标上分别降低了20.32％和21.04％,明显优于其他卷积社会池化网络变体;所提出模型与原始卷积社会池化网络计算耗时差距约3 ms,能够满足实时应用要求.
文献关键词：
智能交通;车辆轨迹预测;群体行驶场景;卷积社会池化;时空信息融合;长短时记忆网络;速度差
中图分类号：
作者姓名：
李立;平振东;朱进玉;徐志刚;汪贵平
作者机构：
长安大学 电子与控制工程学院,陕西 西安 710064;山东省交通规划设计院集团有限公司,山东 济南 250101;长安大学 信息工程学院,陕西 西安 710064
文献出处：
引用格式：
[1]李立;平振东;朱进玉;徐志刚;汪贵平-.面向群体行驶场景的时空信息融合车辆轨迹预测)[J].交通运输工程学报,2022(03):104-114
A类：
群体行驶场景,卷积社会池化,群体车辆
B类：
时空信息融合,车辆轨迹预测,时空交互,交互信息,速度差,编码器,车辆行驶,行驶轨迹,时间序列特征,空间依赖,依赖关系,解码器,预测未来,来车,出现概率,轨迹数据,构建模型,参数标定,性能验证,编解码,速度预测,模型性能,最优模型,模型结构,测速,速度计算,计算速度,模型输入,RMSE,门控循环神经网络,行速,出模,预测误差,变体,时差,ms,应用要求,智能交通,长短时记忆网络
AB值：
0.250361
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。
