VeTraSS：基于图建模与表示学习的车辆轨迹相似性搜索
机器学习
2024-04-15 v1 人工智能
机器人学
摘要
轨迹相似性搜索在自动驾驶中发挥着至关重要的作用，它使车辆能够分析不同轨迹的信息与特征，从而在动态环境中做出明智决策并安全导航。现有关于轨迹相似性搜索任务的工作主要利用序列处理算法或循环神经网络（RNN），这些方法不可避免地面临架构复杂和训练成本高昂的问题。考虑到轨迹之间复杂的联系，使用图神经网络（GNN）进行数据建模是可行的。然而，大多数方法直接使用现有的数学图结构作为输入，而不是根据特定的车辆轨迹数据构建特定的图。这忽略了此类数据独特且动态的特征。为了弥补这一研究空白，我们提出了 VeTraSS——一个用于车辆轨迹相似性搜索的端到端流水线。具体而言，VeTraSS 将原始轨迹数据建模为多尺度图，并通过一种新颖的基于多层注意力的 GNN 生成全面的嵌入。学习到的嵌入可用于搜索相似的车辆轨迹。在 Porto 和 Geolife 数据集上的大量实验证明了 VeTraSS 的有效性，我们的模型超越了现有工作并达到了 SOTA。这展示了 VeTraSS 在真实世界自动驾驶车辆轨迹分析和安全导航方面的潜力。
引用
@article{arxiv.2404.08021,
title = {VeTraSS: Vehicle Trajectory Similarity Search Through Graph Modeling and Representation Learning},
author = {Ming Cheng and Bowen Zhang and Ziyu Wang and Ziyi Zhou and Weiqi Feng and Yi Lyu and Xingjian Diao},
journal= {arXiv preprint arXiv:2404.08021},
year = {2024}
}