-
公开(公告)号:CN109910909B
公开(公告)日:2020-09-11
申请号:CN201910135633.6
申请日:2019-02-25
Applicant: 清华大学
Abstract: 本发明涉及一种多车运动状态的汽车轨迹网联交互式预测方法,属于智能网联汽车环境感知技术领域。本发明方法包括确定网联多车的相对位置关系,提取各自行驶状态的特征,将多车的行驶状态特征分别输入到长短时记忆单元中,并将相邻车辆的隐藏状态通过辐射形网络连接共享,从而构建结构化长短时记忆单元,实现对多车间交互关系的建模,然后利用结构化长短时记忆单元建立多层编码‑解码器网络进行多车的未来行驶轨迹的预测,之后将网络所得的预测状态发送给决策模块进行自主决策与路径规划。本方法采用结构化长短时记忆单元将网联多车之间的行驶状态进行隐藏状态层的共享,实现交互关系的建模,本方法可以实现在复杂交通环境下,针对多车进行同步的长时间跨度预测,达到较高的预测准确度。
-
公开(公告)号:CN109910909A
公开(公告)日:2019-06-21
申请号:CN201910135633.6
申请日:2019-02-25
Applicant: 清华大学
Abstract: 本发明涉及一种多车运动状态的汽车轨迹网联交互式预测方法,属于智能网联汽车环境感知技术领域。本发明方法包括确定网联多车的相对位置关系,提取各自行驶状态的特征,将多车的行驶状态特征分别输入到长短时记忆单元中,并将相邻车辆的隐藏状态通过辐射形网络连接共享,从而构建结构化长短时记忆单元,实现对多车间交互关系的建模,然后利用结构化长短时记忆单元建立多层编码-解码器网络进行多车的未来行驶轨迹的预测,之后将网络所得的预测状态发送给决策模块进行自主决策与路径规划。本方法采用结构化长短时记忆单元将网联多车之间的行驶状态进行隐藏状态层的共享,实现交互关系的建模,本方法可以实现在复杂交通环境下,针对多车进行同步的长时间跨度预测,达到较高的预测准确度。
-