一种用于车辆轨迹预测的多维图傅里叶变换神经网络
机器学习
2023-05-15 v1 人工智能
摘要
本工作提出用于高速公路长期轨迹预测的多维图傅里叶变换神经网络(GFTNN)。与图神经网络(GNNs)类似,GFTNN 是一种在图结构上运作的新型网络架构。尽管若干 GNN 因次优的聚合方案而缺乏判别力,所提模型通过一种强大的操作——多维图傅里叶变换(GFT)——聚合场景属性。场景的时空车辆交互图经 GFT 转换为谱场景表示。这一有益表示被输入由神经网络与描述性解码器组成的预测框架。尽管所提 GFTNN 不含任何循环单元,其在高速公路轨迹预测任务上优于 SOTA 模型。实验与评估使用了公开数据集 highD 和 NGSIM。
引用
@article{arxiv.2305.07416,
title = {A Multidimensional Graph Fourier Transformation Neural Network for Vehicle Trajectory Prediction},
author = {Marion Neumeier and Andreas Tollkühn and Michael Botsch and Wolfgang Utschick},
journal= {arXiv preprint arXiv:2305.07416},
year = {2023}
}
备注
Accepted as a conference paper in ITSC 2022, Macau, China