基于深度学习的网联自主车辆换道轨迹预测方法

李文杰; 曲大义; 张智; 韦良帅; 张文明

青岛理工大学学报 ›› 2026, Vol. 47 ›› Issue (2) : 120 -127.

李文杰, 曲大义, 张智, 韦良帅, 张文明

作者信息 +

Author information +

文章历史 +

PDF

摘要

为了准确高效地获取周围车辆的运动信息状态，网联自主车辆(Connected Autonomous Vehicle, CAV)应具备预测换道轨迹的能力。提出一种考虑车辆历史轨迹数据的长短时记忆(Long Short-Term Memory, LSTM)网络轨迹预测方法。筛选符合换道特征的轨迹数据，构建多维度换道轨迹数据集；采用LSTM的编码-解码器，综合轨迹信息，编码上下文向量；解码上下文向量，生成多目标换道轨迹预测结果。使用终点位移误差作为模型的评价指标，本文模型与社交长短时记忆(S-LSTM)模型相比，后3 s的终点位移误差分别降低了12.5%、19.08%、18.68%;与非局部社交长短时记忆(NLS-LSTM)模型相比，后3 s终点位移误差分别降低了6.44%、13.2%、13.95%,提高了轨迹预测结果的准确性。