融合驾驶意图的对抗式多模态车辆轨迹预测

摘要

针对车辆单模态轨迹预测无法充分表征未来轨迹的预测空间，无法有效应对不确定情况的问题，提出一种融合驾驶意图的对抗式多模态轨迹预测模型(I-MALT)。该模型将预测车辆及周围5辆关联车辆视为整体，通过GATv2-LSTM提取时空特征，并基于该特征识别驾驶意图，输出各意图概率。针对不同模态轨迹，构建独立的LSTM-Transformer预测模型，引入对抗学习优化各模态的轨迹预测效果，最终通过加权融合各模态对应的驾驶意图概率与轨迹预测概率，选取二者概率和最大的预测轨迹作为结果。使用HighD数据集对模型进行训练与验证，结果表明：I-MALT模型在各时域预测中均保持较低的预测误差，尤其是针对3～5 s的中长期预测，其均方根误差(RMSE)显著低于对比模型，证明其具有优越的预测性能。

关键词

自动驾驶 / 车辆轨迹预测 / 换道意图识别 / 概率融合 / 交互式行为