一种基于时间卷积网络的换道预测方法
机器学习
2021-08-03 v1 系统与控制
系统与控制
摘要
换道是一种重要的驾驶行为，不合理的换道可能导致潜在危险的交通碰撞。高级驾驶辅助系统（ADAS）可协助驾驶员安全高效地换道。为捕捉换道行为的随机时间序列，本研究提出一种时间卷积网络（TCN）以预测长期换道轨迹与行为。此外，将卷积神经网络（CNN）与循环神经网络（RNN）方法作为基准模型以展示TCN的学习能力。换道数据集由驾驶模拟器采集。TCN的预测性能从三个角度予以验证：不同输入变量、不同输入维度及不同驾驶场景。预测结果表明，与两种基准模型相比，TCN能以更短计算时间准确预测长期换道轨迹与驾驶行为。TCN可提供准确的换道预测，这是开发精确ADAS的关键信息之一。
引用
@article{arxiv.2011.01224,
title = {A Lane-Changing Prediction Method Based on Temporal Convolution Network},
author = {Yue Zhang and Yajie Zou and Jinjun Tang and Jian Liang},
journal= {arXiv preprint arXiv:2011.01224},
year = {2021}
}