用于高速公路轨迹预测的 LSTM 网络
机器人学
2018-01-26 v1 机器学习
摘要
为了在公共道路上安全高效地驾驶，自动驾驶车辆必须理解周围车辆的意图，并相应地调整自身行为。如果有经验的人类驾驶员通常善于推断其他车辆未来几秒内的运动，那么大多数当前的先进驾驶辅助系统（ADAS）无法进行此类中期预测，通常仅限于紧急制动等高概率情形。在本文中，我们通过引入一个长短期记忆（LSTM）神经网络，朝着一致的轨迹预测迈出了第一步，该网络能够准确预测高速公路上车辆的未来纵向和横向轨迹。与以往关注于从少数驾驶员收集的少量轨迹的工作不同，我们的网络在 NGSIM US-101 数据集上进行了训练和验证，该数据集包含总共 800 小时在不同交通密度下记录的真实轨迹，代表了超过 6000 名个体驾驶员。
引用
@article{arxiv.1801.07962,
title = {An LSTM Network for Highway Trajectory Prediction},
author = {Florent Altché and Arnaud de La Fortelle},
journal= {arXiv preprint arXiv:1801.07962},
year = {2018}
}
备注
Presented at IEEE ITSC 2017