一种面向交互场景车辆轨迹预测的集成学习框架
机器人学
2022-04-19 v2
摘要
精确建模交互并准确预测周围车辆的轨迹，对智能车辆的决策与路径规划至关重要。本文提出一种基于集成学习的新型框架，以提升交互场景下轨迹预测的性能。该框架称为交互式集成轨迹预测器 (IETP)。IETP 将交互感知的轨迹预测器作为基学习器组装以构建集成学习器。首先，IETP 中的每个基学习器观测场景中车辆的历史轨迹。随后每个基学习器处理车辆间交互以预测轨迹。最后，通过对所有基学习器的预测施加两种集成策略构建集成学习器来预测轨迹。集成学习器生成的预测为 IETP 的最终输出。本研究基于 NGSIM 数据集使用不同数据进行了三组实验。实验结果表明，与基学习器相比，IETP 提升了预测精度并降低了误差方差。此外，IETP 仅用 50% 训练数据即超越基线模型，表明 IETP 具有数据高效性。另外，IETP 的实现已公开于 https://github.com/BIT-Jack/IETP。
引用
@article{arxiv.2202.10617,
title = {An Ensemble Learning Framework for Vehicle Trajectory Prediction in Interactive Scenarios},
author = {Zirui Li and Yunlong Lin and Cheng Gong and Xinwei Wang and Qi Liu and Jianwei Gong and Chao Lu},
journal= {arXiv preprint arXiv:2202.10617},
year = {2022}
}