NetTraj：一种基于路网、具有方向表示与时空注意力机制的车辆轨迹预测模型
机器学习
2021-12-16 v2 人工智能
摘要
城市级道路网络中车辆的轨迹预测对车辆导航、交通管理和基于位置的推荐等多种基于位置的应用具有重要意义。现有方法通常将轨迹表示为网格单元、路段或意图集合的序列。这些方法均非理想：基于单元的表示忽略了路网结构，而后两种在分析城市级路网时效率较低。此外，以往的模型几乎未利用空间依赖关系，或仅在网格单元层面考虑，忽略了由不规则路网构成的非欧几里得空间结构。为解决这些问题，我们提出一种名为 NetTraj 的基于网络的车辆轨迹预测模型，该模型将每条轨迹表示为交叉口及相应行驶方向的序列，并将其输入 LSTM 编码器-解码器网络以生成未来轨迹。进一步地，我们引入局部图注意力机制以捕获轨迹的网络级空间依赖关系，以及带有滑动上下文窗口的时间注意力机制以捕获轨迹数据中的短期与长期时间依赖关系。基于两个真实世界大规模出租车轨迹数据集的大量实验表明，NetTraj 在车辆轨迹预测上优于现有最先进方法，验证了所提轨迹表示方法与时空调注意力机制的有效性。
引用
@article{arxiv.2106.11175,
title = {NetTraj: A Network-based Vehicle Trajectory Prediction Model with Directional Representation and Spatiotemporal Attention Mechanisms},
author = {Yuebing Liang and Zhan Zhao},
journal= {arXiv preprint arXiv:2106.11175},
year = {2021}
}