基于Transformer的城市场景车辆轨迹预测模型

摘要

针对现有车辆轨迹预测模型在处理车间交互和道路拓扑约束方面存在的局限性，提出一种基于Transformer的城市场景车辆轨迹预测模型。该模型利用Transformer编码器分别挖掘车辆轨迹和高清地图数据的时序依赖关系，构建自注意力机制以提取车间交互信息，并通过交叉注意力机制提取道路约束表征。最后，将融合车间交互与道路约束的时序编码输入长短时记忆网络解码器，以预测车辆的未来轨迹。实验结果表明，所提模型在平均位移误差、最终位移误差以及丢失率等评价指标上均优于现有的主流算法，实现了5.43%～18.80%的性能提升，展现出了在城市复杂交通场景中的应用潜力。

关键词

自动驾驶 / 轨迹预测 / 深度学习 / 注意力机制 / 时序建模