基于CNN-LSTM网络的网联车辆交互感知轨迹预测
机器人学
2020-05-29 v2
摘要
在拥堵交通中预测周围车辆的未来轨迹是自动驾驶车辆的基本能力之一。在拥堵情况下，车辆的未来运动是其与周围车辆交互的结果。拥堵中的车辆可能在相对较短的距离内有许多邻近车辆，但其中只有一小部分主要影响其未来轨迹。本文提出一种交互感知方法，考虑自车与八个周围车辆的交互来预测其未来轨迹。车辆动力学由共享权重的LSTM编码，交互通过简单的CNN提取。所提出的模型在公开可用的NGSIM US-101数据集提取的轨迹上进行训练和测试。定量实验结果表明，该模型在均方根误差（RMSE）方面优于先前的模型。结果可视化显示，该模型能够在车辆进行明显横向运动以启动变道之前，预测由变道引起的未来轨迹。
引用
@article{arxiv.2005.12134,
title = {Interaction-Aware Trajectory Prediction of Connected Vehicles using CNN-LSTM Networks},
author = {Xiaoyu Mo and Yang Xing and Chen Lv},
journal= {arXiv preprint arXiv:2005.12134},
year = {2020}
}
备注
One redundant ablative study 'CNN-31-LSTM' is deleted. It works the same way with FC-LSTM in this work