江苏大学学报(自然科学版)

作者：蔡英凤1,朱南楠2,邰康盛2,刘擎超1,王海2

单位：1. 江苏大学 汽车工程研究院, 江苏 镇江 212013; 2. 江苏大学 汽车与交通工程学院, 江苏 镇江 212013

关键词：车辆行为预测, 注意力机制, 长短时记忆网络, 智能驾驶, 时间序列

基金：<p>国家重点研发计划项目(2017YFB0102603)； 国家自然科学基金资助项目(51875255，61601203，61773184)； 江苏省自然科学基金资助项目(BK20180100)； 江苏省重点研发计划项目(BE2016149)； 江苏省六大人才高峰项目(2018-TD-GDZB-022)</p>

为了解决智能驾驶场景中对周边车辆未来行为的预测问题,研究了基于注意力机制的长短时记忆网络(LSTM)模型的车辆行为预测方法.首先提出了一种非均匀步长的时间序列数据划分方法,将属于特定行为的车辆时序信息进行分类;以LSTM为基本的神经网络框架,用注意力机制判断输入时序信息中各个时间步信息的重要程度,分配不同的权重值;以目标车辆及其周边车辆的历史轨迹信息作为算法输入,用来预测目标车辆将来的运动行为.结果表明:该算法可以解决固定步长的时序分类方法导致的信息遗漏或计算资源负担增加的问题,同时能够有效提高行为预测准确性,减少车辆行为预测时间.

来源：2020年第2期

《江苏大学学报(自然科学版)》期刊编辑部

查看江苏大学学报(自然科学版)杂志2020年第2期