-
题名基于形变长短期记忆网络的换道意图预测
- 1
-
-
作者
田晟
胡啸
-
机构
华南理工大学土木与交通学院
-
出处
《科学技术与工程》
北大核心
2024年第11期4769-4775,共7页
-
基金
广东省自然科学基金(2021A1515011587)。
-
文摘
混行交通下的自动驾驶车辆需具备换道意图预测能力来保障行驶安全。为尽早预测车辆换道意图,提出一种基于形变长短期记忆(mogrifier long short-term memory,M-LSTM)网络的换道意图预测模型。首先采用S-G(Savitzky-Golay)滤波器对自然驾驶数据集NGSIM(next generation simulation)进行降噪筛选,按向左换道、向右换道、直线行驶对不同时间长度的轨迹序列标注,选取车辆运动信息与环境信息输入模型,最后采用softmax函数进行意图分类。试验结果表明,在不同预判时间下,模型准确率均高于支持向量机(support vector machine,SVM)、LSTM模型,且越接近换道点预测准确率越高,在1.0、2.5 s时预测准确率分别为93.83%与81.30%。提出的模型具有良好的准确性与预判性,能为自动驾驶车辆尽早识别换道意图提供技术支持。
-
关键词
自动驾驶
形变长短期记忆网络
车辆换道
意图预测
-
Keywords
automatic driving
mogrifier long short-term memory neural network
vehicle lane-changing
intention prediction
-
分类号
U461.91
[机械工程—车辆工程]
-
