鲸鱼算法优化CNN-BiGRU-ATTENTION的车辆换道意图识别模型

摘要

针对时空多样特征、超参数敏感性影响车辆行为意图识别精度的问题，提出一种改进的CNN-BiGRU-ATTENTION混合换道意图识别模型。采用目标车辆轨迹序列和与周围车辆互动特征作为模型输入进行训练，实现考虑车辆动态变化状态的意图识别预测；使用鲸鱼优化算法对模型调整参数进行多目标寻优，降低模型调优难度；利用NGSIM数据集对模型进行评估校验。结果表明：所提出的WOA-CNN-BiGRU-ATTENTION模型与CNN-BiGRU-ATTENTION模型、Transformer模型相比，准确率分别提升了4.53%、0.97%,达到97.64%;WOA-CNN-BiGRU-ATTENTION模型在不同预判时间下的意图识别准确率最高，在换道前2.5 s的识别精度均能达到91%以上，证明模型具有较强的车辆换道意图识别性能。

关键词

自动驾驶 / 换道意图识别 / 鲸鱼算法 / 双向门控循环单元 / 注意力机制