申请/专利权人：苏州大学

申请日：2023-10-09

公开（公告）日：2024-06-21

公开（公告）号：CN117523821B

主分类号：G08G1/01

分类号：G08G1/01;G06F18/2415;G06N3/0464;G06N3/0455;G06N3/0442

优先权：

专利状态码：有效-授权

法律状态：2024.06.21#授权;2024.02.27#实质审查的生效;2024.02.06#公开

摘要：本发明提供一种基于GAT‑CS‑LSTM的车辆多模态驾驶行为轨迹预测系统及方法，涉及智能交通系统技术领域，该系统包括基础数据处理与车辆历史特征编码模块，相对状态与交互特征提取模块，预测车辆驾驶行为与生成预测车辆未来轨迹模块。本发明准确预测其他车辆的轨迹对于避免事故、合理规划路径和做出安全决策至关重要。轨迹预测系统可以帮助自动驾驶系统预测周围车辆的行为，从而更好地融入交通流并做出适应性的驾驶决策。

主权项：1.一种基于GAT-CS-LSTM的车辆多模态驾驶行为轨迹预测系统，其特征在于，包括：基础数据处理与车辆历史特征编码模块，包括车辆驾驶行为判断单元、动态图结构建立单元、历史特征编码单元；所述车辆驾驶行为判断单元用于利用轨迹数据对车辆行为进行划分，将车辆行为划分为直行、向左换道、向右换道三类；所述动态图结构建立单元用于设计一个栅格图形式的交互池，所述交互池用于在后续社会卷积池化层中提取特征，通过栅格图确定不同时间点预测车辆周围存在的车辆数量和相应的特征，将预测车辆和周围的车辆作为节点，车辆的特征作为节点的属性，建立车辆之间的非欧几里得关联；所述历史特征编码单元用于采用滑动时窗法，确定系统的历史编码特征，并利用LSTM编码器对历史特征进行编码；相对状态与交互特征提取模块，包括交互池建立单元、预测车辆与周围车辆相对状态提取单元、预测车辆与周围车辆交互特征提取单元；所述交互池建立单元用于根据被预测车辆的位置，确定其周围一定范围内的栅格，并将这些栅格用来填充周围车辆的信息；所述预测车辆与周围车辆相对状态提取单元用于通过卷积操作提取社会池的局部特征，并通过最大池化层和平均池化层，来反映预测车辆与周围车辆的相对状态；所述预测车辆与周围车辆交互特征提取单元用于通过图注意力网络与全局最大池化层和全局平均池化层来提取预测车辆与周围车辆交互特征；预测车辆驾驶行为与生成预测车辆未来轨迹模块，包括车辆驾驶行为预测单元、获取环境编码向量单元、解码环境向量生成未来轨迹单元；所述车辆驾驶行为预测单元用于将编码后的车辆历史轨迹编码信息经过社会卷积池化层与图注意力网络层，得到交互信息编码向量，将其输入至Softmax函数中，输出各种驾驶行为概率；所述获取环境编码向量单元用于利用LSTM解码器将交互信息编码向量和行为概率相结合，得到环境编码向量；所述解码环境向量生成未来轨迹单元用于LSTM解码器的LSTM单元根据上一时刻的隐藏状态，环境编码向量和上一时刻的输出向量，更新隐藏层状态；根据当前时刻的隐藏层状态和上一时刻的输出向量更新当前时刻的输出向量；将输出向量经过全连接层后，生成未来时间内不同驾驶行为的轨迹点坐标及其二维高斯分布参数。

全文数据：

权利要求：

百度查询： 苏州大学 基于GAT-CS-LSTM的车辆多模态驾驶行为轨迹预测系统及方法

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