基于图注意力机制的无地图场景轨迹预测方法

作者：刘建敏; 林晖^*; 汪晓丁

来源：计算机工程, 2023, 1-11.

DOI：10.19678/j.issn.1000-3428.0068163

• 多模态
• 轨迹预测
• 时空特征
• 注意力机制
• 交叉注意力

随着5G、大数据和深度学习技术的发展，智慧交通领域的轨迹预测再次成为研究焦点。大量的真实轨迹数据集为准确的轨迹预测提供了数据基础。然而现有的轨迹预测工作大量依赖于高精地图，但高精地图的采集耗时长、成本高、处理复杂，难以快速适应智能交通的大面积普及。为解决无地图场景下车辆轨迹预测问题，提出了一种基于多模态数据时空特征的轨迹预测方法。构建了多个历史轨迹时空交互图，交叉使用时间和空间注意力并进行深度融合，以建模道路上车辆之间的时空关联性。最后，利用残差网络进行多目标多模态轨迹生成。在真实数据集Argoverse 2上进行了模型的训练和测试，实验结果表明，相较于其他先进的方法，该模型在单模态预测方面的各项指标提升了3.86%、3.89%、0.48%，在多模态预测方面的各项指标提升了0.78%、0.96%、0.42%。该方法能够有效地捕捉车辆移动轨迹的时间和空间特征，并可在自动驾驶等相关领域得到有效应用。

• 出版日期2023
• 单位福建师范大学