基于图结构时空动态自适应网络的高速公路车辆轨迹预测OA
在高速公路场景中,车辆轨迹预测精度不足的问题已成为制约智能交通系统与高等级自动驾驶发展的关键问题。为此,提出一种基于图结构的时空动态自适应网络(G-STDAN),该网络通过动态图卷积网络建模车辆间局部非线性交互特征,结合多头注意力机制聚合全局空间关联信息,依托双向长短期记忆网络提取长时序运动依赖,并设计两阶段门控融合机制实现时空特征的动态加权整合,同时嵌入驾驶意图识别模块为轨迹预测提供高层语义约束。基于NGSIM高速公路实测数据集的实验表明,该模型在5 s长时预测任务中的均方根误差(RMSE)为3.42 m,其中RMSE较基线模型STDAN降低6.8%,较S-LSTM降低24.8%,可为自动驾驶决策规划与智能交通风险预警提供技术支撑。
江正豪;占敖;吴呈瑜
浙江理工大学信息科学与工程学院(网络空间安全学院),浙江杭州310018浙江理工大学信息科学与工程学院(网络空间安全学院),浙江杭州310018浙江理工大学信息科学与工程学院(网络空间安全学院),浙江杭州310018
信息技术与安全科学
车辆轨迹预测多模态特征融合自适应网络门控融合机制高速公路智慧交通动态图卷积网络
《物联网技术》 2026 (15)
P.116-119,4
评论