融合Transformer与时空门控的自动驾驶轨迹预测模型

摘要

自动驾驶中的轨迹预测能为自动驾驶系统的安全性与决策有效性提供核心技术支撑。为获取车辆自身的时间特征与周围车辆的空间特征，预测车辆轨迹，文中构建一种融合Transformer与时空门控的自动驾驶轨迹预测模型，使用自注意力编码模块获取时间编码特征；利用通道交互注意力编码模块对时间特征与周围空间特征进行交互注意力操作，获取车辆空间特征；利用时空门控融合模块对时空特征进行耦合，获取最终编码特征；以编码特征和带掩码的未来特征进行交叉注意力操作，得到预测轨迹特征。采用NGSIM数据集对模型进行试验验证，结果表明，相较于基线模型，文中模型的均方根误差下降11.7%,平均位移误差下降15.6%,预测精度有一定提升。进行五折交叉验证，结果表明，文中模型的平均标准差为6.556 7,各折验证损失波动较小，变异系数为0.089,小于0.100,模型稳定性良好。可视化分析与时效性分析结果表明，文中模型在自动驾驶轨迹预测中具有良好的准确性。

关键词

自动驾驶 / 轨迹预测 / 注意力机制 / 门控融合机制 / Transformer模型