科研之友
微信
新浪微博
Facebook
分享链接
摘要
车辆运动轨迹的预测在车辆的自动驾驶与车联网技术中有着重要意义,通过预测轨迹可以判断车辆未来运动状态,避免发生碰撞。针对车辆换道轨迹的预测问题,提出了基于生成对抗网络的换道轨迹预测模型。通过实车实验,以城市道路中换道行为为实例,采用高精度GPS仪器采集车辆换道轨迹数据。在此基础上,建立基于生成对抗网络的轨迹预测模型,其中生成模型采用了LSTM的编码器-解码器结构,通过输入给定的历史换道轨迹,经解码器生成预测时段换道轨迹。判别模型通过搭建基于MLP的神经网络,将生成的预测轨迹与目标轨迹进行多重判别,并通过联合训练生成模型和判别模型,实现对车辆未来时段内的换道轨迹进行预测。同时通过交叉验证与模型对比,分析了不同长度的历史轨迹与预测轨迹对预测精度的影响,并验证了模型的有效性和准确性。结果表明轨迹生成对抗模型与传统模型相比,可实现对换道轨迹长时段的预测,且预测精度有明显的提高。
- 单位
