期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于GCN-CS-LSTM的车辆多模态行驶轨迹预测
被引量：
3
1
作者
孟繁瑞
王翔
+2 位作者
俄文娟
王可馨
昝雨尧
《江苏大学学报（自然科学版）》
CAS
北大核心
2024年第5期506-512,共7页
针对车辆交互关系的非欧几里得性质,提出了一种适用于高速公路车辆之间动态图结构的表达方式,以实现车辆信息的交互传递,并设计了一种结合图卷积神经网络(graph convolutional neural network, GCN)、社会卷积池化层(convolutional soci...
针对车辆交互关系的非欧几里得性质,提出了一种适用于高速公路车辆之间动态图结构的表达方式,以实现车辆信息的交互传递,并设计了一种结合图卷积神经网络(graph convolutional neural network, GCN)、社会卷积池化层(convolutional social pooling, CS)和长短时记忆网络(long short-term memory network, LSTM)的多模态驾驶行为轨迹预测模型.该模型以LSTM编码器和解码器为基础框架,通过卷积和图卷积实现车辆交互关系的有效提取,同时引入最大池化和平均池化技术,以实现特征提取和背景信息保留.结果表明:本模型在长时域(5 s)的均方根误差为4.03 m,相较于基准模型提高了10.8%,在与其他深度学习模型对比中具有更高的准确率;在不同交通环境下,本模型相较于基准模型的预测性能均有8%~11%提升;消融试验结果进一步验证了本模型中各模块的有效性,本模型能够预测车辆在未来长时域内不同模态的概率分布和对应的轨迹.
展开更多
关键词
车辆
轨迹预测
图卷积神经网络
长短时记忆网络
智能驾驶
时间序列
在线阅读
下载PDF
职称材料
题名
基于GCN-CS-LSTM的车辆多模态行驶轨迹预测
被引量：
3
1
作者
孟繁瑞
王翔
俄文娟
王可馨
昝雨尧
机构
苏州
大学轨道
交通
学院
苏州交通运输大数据创新应用实验室
江苏省智慧城轨工程研究中心
江苏苏通大桥有限责任公司
出处
《江苏大学学报（自然科学版）》
CAS
北大核心
2024年第5期506-512,共7页
基金
国家自然科学基金青年科学基金资助项目(52002262)
国家重点研发计划项目(2018YFB1600500)
苏州交通运输大数据创新应用实验室基金资助项目(P113305523)。
文摘
针对车辆交互关系的非欧几里得性质,提出了一种适用于高速公路车辆之间动态图结构的表达方式,以实现车辆信息的交互传递,并设计了一种结合图卷积神经网络(graph convolutional neural network, GCN)、社会卷积池化层(convolutional social pooling, CS)和长短时记忆网络(long short-term memory network, LSTM)的多模态驾驶行为轨迹预测模型.该模型以LSTM编码器和解码器为基础框架,通过卷积和图卷积实现车辆交互关系的有效提取,同时引入最大池化和平均池化技术,以实现特征提取和背景信息保留.结果表明:本模型在长时域(5 s)的均方根误差为4.03 m,相较于基准模型提高了10.8%,在与其他深度学习模型对比中具有更高的准确率;在不同交通环境下,本模型相较于基准模型的预测性能均有8%~11%提升;消融试验结果进一步验证了本模型中各模块的有效性,本模型能够预测车辆在未来长时域内不同模态的概率分布和对应的轨迹.
关键词
车辆
轨迹预测
图卷积神经网络
长短时记忆网络
智能驾驶
时间序列
Keywords
vehicle
trajectory prediction
graph convolutional neural network
long short-term memory network
intelligent driving
time series
分类号
U495 [交通运输工程—交通运输规划与管理]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于GCN-CS-LSTM的车辆多模态行驶轨迹预测
孟繁瑞
王翔
俄文娟
王可馨
昝雨尧
《江苏大学学报（自然科学版）》
CAS
北大核心
2024
3
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
