SAPI：路口场景下考虑周边环境的车辆轨迹预测
机器学习
2024-07-30 v2
摘要
本文提出一种深度学习模型 SAPI，用于预测路口处的车辆轨迹。SAPI 利用实时地图、路权及周围交通信息，以抽象方式表示并编码周边环境。所提模型由两个基于卷积网络（CNN）和循环神经网络（RNN）的编码器以及一个解码器组成。为充分利用原始历史轨迹信息，提出一种细化器在模型内部执行回看操作。我们在通过自动驾驶车辆采集的真实路口专有数据集上评估 SAPI。结果表明，SAPI 在路口车辆轨迹预测中表现出良好性能，并优于基准方法。6 秒预测的平均位移误差（ADE）和最终位移误差（FDE）分别为 1.84m 和 4.32m。我们还展示了所提模型能在不同场景中准确预测车辆轨迹。
引用
@article{arxiv.2306.01812,
title = {SAPI: Surroundings-Aware Vehicle Trajectory Prediction at Intersections},
author = {Ethan Zhang and Hao Xiao and Yiqian Gan and Lei Wang},
journal= {arXiv preprint arXiv:2306.01812},
year = {2024}
}