融合知识先验的车辆轨迹预测深度学习算法

摘要

车辆轨迹预测算法在自动驾驶领域扮演着关键角色。当前基于深度学习的算法虽然能够显著提升车辆轨迹预测的准确性，但缺乏算法决策过程的可解释性。为此，本文将知识先验融入深度学习算法中，提出一个基于注意力网络的轨迹预测算法KIT。与传统的依赖增加约束来融合知识的方法不同，该算法通过设计特定的模型结构来融合社会力模型的先验知识，模仿驾驶者在复杂交通中的决策过程，从而增加预测过程的可解释性。KIT使用注意力机制模拟驾驶者观察周边环境，并通过多层感知机网络预估驾驶者基于自身动机、周边车辆和环境条件的加速度变化。在Argoverse数据集上的测试显示，KIT在增加可解释性的同时，其预测效果也超过了其他先进的深度学习轨迹预测算法。

关键词

自动驾驶 / 车辆轨迹预测 / 先验知识 / 深度学习