科研之友
微信
新浪微博
Facebook
分享链接
摘要
本文提出了一种智能驾驶车辆周车行为预测方法。行驶车辆和环境变化的不确定性大导致周车行为预测困难。提出了基于编码器与双向长短时记忆网络（Bi LSTM）联合的预测方法，保证长序列下的可记忆性。根据不同信息的重要性程度，基于注意力机制构造双向长短时记忆网络，保证了编码器在长序列下的可记忆性。所设计的注意力机制双向长短时记忆网络模型保证了周车行为预测的准确性与高效性。
- 单位
本文提出了一种智能驾驶车辆周车行为预测方法。行驶车辆和环境变化的不确定性大导致周车行为预测困难。提出了基于编码器与双向长短时记忆网络（Bi LSTM）联合的预测方法，保证长序列下的可记忆性。根据不同信息的重要性程度，基于注意力机制构造双向长短时记忆网络，保证了编码器在长序列下的可记忆性。所设计的注意力机制双向长短时记忆网络模型保证了周车行为预测的准确性与高效性。
