申请/专利权人：江苏大学

申请日：2021-09-07

公开（公告）日：2024-06-11

公开（公告）号：CN113954863B

主分类号：B60W60/00

分类号：B60W60/00;G06N3/0442;G06N3/0455;G06N3/0475;G06N3/094

优先权：

专利状态码：有效-授权

法律状态：2024.06.11#授权;2022.02.15#实质审查的生效;2022.01.21#公开

摘要：本发明提供了一种基于双注意力机制和改进SocialGan的车辆轨迹预测方法，将目标车辆及周边车辆的轨迹特征输入车辆轨迹预测模型，预测目标车辆未来时刻的行驶轨迹，所述车辆轨迹预测模型包括编码层、池化层、驾驶意图预测模块和解码层，池化层包括两个注意力模块和一个改进SocialGan的池化模块，一个注意力模块作用于编码后目标车辆的轨迹特征，对影响目标车辆轨迹的相关变量进行注意力加权，另一个注意力模块作用于编码后周边车辆的轨迹特征，对周边车辆影响目标车辆的重要度进行注意力加权，改进SocialGan的池化模块用于提取周边车辆的交互特征。本发明有效提高了预测精度，可以更好的应用于自动驾驶领域。

主权项：1.基于双注意力机制和改进SocialGan的车辆轨迹预测方法，其特征在于，构建基于双注意力机制和改进SocialGan的车辆轨迹预测模型预测目标车辆未来时刻的行驶轨迹；所述基于双注意力机制和改进SocialGan的车辆轨迹预测模型包括编码层、池化层、驾驶意图预测模块和解码层；所述编码层包括n+1个LSTM编码器，1个LSTM编码器对目标车辆的输入轨迹特征进行编码，n个LSTM编码器对n个周边车辆的输入轨迹特征进行编码；所述池化层包括两个注意力模块和一个改进SocialGan的池化模块，其中一个注意力模块作用于编码后目标车辆的轨迹特征，对影响目标车辆轨迹的相关变量进行注意力加权，另一个注意力模块作用于编码后周边车辆的轨迹特征，对周边车辆影响目标车辆的重要度进行注意力加权，改进SocialGan的池化模块用于提取周边车辆的交互特征；所述驾驶意图预测模块用于预测目标车辆下一时间段的横纵向驾驶意图，并通过解码层的LSTM解码器解码；所述驾驶意图预测模块输入的是将注意力加权后目标车辆的轨迹和池化后的周边车辆的轨迹拼接后的完整轨迹；所述驾驶意图预测模块由两组LSTM层和Softmax层组成，所述LSTM层对完整的轨迹进行编码，并使用Softmax激活函数进行多分类，得到下一时间段横向驾驶意图和纵向驾驶意图。

全文数据：

权利要求：

百度查询： 江苏大学 基于双注意力机制和改进Social Gan的车辆轨迹预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD