智能网联车辆MFP算法轨迹预测模型研究

摘要

为解决车辆轨迹预测任务中环境不断变化、车辆间存在交互影响，导致长期预测情况下预测精度较低的问题，提出了一种基于multiple futures predictor(MFP)算法的多智能体轨迹预测模型。采用对称指数移动平均法去除异常数据并平滑轨迹；采用图神经网络(graph convolutional neural network, GCN)进行交互特征提取，将历史轨迹与未来智能体之间的交互特征进行编码；在解码过程中添加车辆自身运动学模型得到动态可行的预测轨迹。对公开数据集NGSIM进行实验分析，结果表明：模型对车辆轨迹预测误差在0.5 m以内；通过对轨迹预测的ADE与FDE结果分析，在预测未来5 s轨迹的情况下，相比于其他方法，ADE降低了30.7%,FDE降低了32.5%,验证了模型和算法的有效性。

关键词

自动驾驶 / 车辆轨迹预测 / 图神经网络 / 特征提取 / MFP模型