System.ArgumentOutOfRangeException: 索引和長度必須引用該字符串內(nèi)的位置。 參數(shù)名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 久99久无码精品视频免费播放,成人无码AV一区二区,久久老子午夜精品无码怎么打
  • 
    <ul id="o6k0g"></ul>
    <ul id="o6k0g"></ul>

    一種基于多車時(shí)空交互關(guān)系的車輛軌跡預(yù)測方法技術(shù)

    技術(shù)編號(hào):43215808 閱讀:7 留言:0更新日期:2024-11-05 17:09
    本發(fā)明專利技術(shù)公開了一種基于多車時(shí)空交互關(guān)系的車輛軌跡預(yù)測方法。本發(fā)明專利技術(shù)首先根據(jù)公路行車數(shù)據(jù)集,生成目標(biāo)車輛與周圍車輛的速度關(guān)系圖、加速度關(guān)系圖以及駕駛意圖關(guān)系圖,再通過SuperGATConv融合生成聚合了鄰居特征新的環(huán)境特征圖;其次將新的環(huán)境特征圖輸入到由擴(kuò)張卷積網(wǎng)絡(luò)構(gòu)建的環(huán)境意圖編碼器中生成空間編碼特征;將被預(yù)測的目標(biāo)車輛的車輛數(shù)據(jù)信息作為輸入特征,輸入到LSTM中得到時(shí)間編碼特征。然后將空間編碼特征和時(shí)間編碼特征進(jìn)行拼接,并輸入到時(shí)空解碼器中,得到未來狀態(tài)特征。最后未來狀態(tài)特征,通過由LSTM和MPL構(gòu)建的預(yù)測模塊,生成預(yù)測的未來軌跡。本發(fā)明專利技術(shù)獲得車輛之間豐富的交互信息,保證局部空間信息不丟失,提高車輛軌跡的預(yù)測性能。

    【技術(shù)實(shí)現(xiàn)步驟摘要】

    本專利技術(shù)屬于軌跡預(yù)測領(lǐng)域,具體涉及一種基于多車時(shí)空交互關(guān)系的車輛軌跡預(yù)測方法


    技術(shù)介紹

    1、軌跡預(yù)測領(lǐng)域已經(jīng)進(jìn)行了大量的研究,并提出了許多方法,這些方法大致分為三類:基于物理的方法、基于統(tǒng)計(jì)的方法和基于深度學(xué)習(xí)的方法。基于物理的方法主要分為動(dòng)力學(xué)模型和運(yùn)動(dòng)學(xué)模型,利用物理和力學(xué)原理,考慮車輛當(dāng)前狀態(tài)來進(jìn)行預(yù)測。基于統(tǒng)計(jì)的方法使用預(yù)定義的機(jī)動(dòng)分布來描述預(yù)測軌跡,例如隱馬爾可夫模型、動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)和支持向量機(jī),這些方法往往提供更精細(xì)和復(fù)雜的模型結(jié)構(gòu),從而比基于物理的方法具有更好的預(yù)測性能。基于深度學(xué)習(xí)的方法主要包含循環(huán)神經(jīng)網(wǎng)絡(luò)(rnn)、卷積神經(jīng)網(wǎng)絡(luò)(cnn)和transformer,rnn例如lstm通常用于處理時(shí)間序列軌跡數(shù)據(jù),cnn擅長從鳥瞰圖或者光柵圖像等輸入中提取空間特征,transformer在許多領(lǐng)域取得了巨大的成功,在軌跡預(yù)測方面也表現(xiàn)了卓越的性能,特別是針對(duì)需要長期預(yù)測的任務(wù)。

    2、基于物理的方法雖然具有可解釋性和效率,但與sota技術(shù)相比,這些方法通常表現(xiàn)出較低的預(yù)測精度,基于統(tǒng)計(jì)的方法雖然能比基于物理的方法具有更好的預(yù)測性能,但與基于深度學(xué)習(xí)的方法相比大部分表現(xiàn)較差的預(yù)測效果,基于深度學(xué)習(xí)的方法中,cnn針對(duì)時(shí)序任務(wù)中往往無法發(fā)揮非常好的作用,rnn無法探究車輛之間的空間關(guān)系,transformer相比較于其他模型存在模型大,參數(shù)多,訓(xùn)練時(shí)間較長的問題,在此背景下引入圖注意力網(wǎng)絡(luò)以及多層擴(kuò)張卷積可以提高空間特征提取,并與transformer變體模型相結(jié)合可以進(jìn)一步提高模型的預(yù)測性能。

    <br/>

    技術(shù)實(shí)現(xiàn)思路

    1、本專利技術(shù)針對(duì)現(xiàn)有技術(shù)中存在的不足,對(duì)于多車行進(jìn)的高速公路場景下本專利技術(shù)提出一種基于多車時(shí)空交互關(guān)系的車輛軌跡預(yù)測方法,旨在通過圖注意力以及多層擴(kuò)張卷積大幅提高多車交互信息提取質(zhì)量,另外結(jié)合transformer變體模型提高預(yù)測能力,具體的設(shè)計(jì)按照以下步驟進(jìn)行:

    2、步驟1、從公路行車數(shù)據(jù)集(開源公共數(shù)據(jù)集)中,得到被預(yù)測的目標(biāo)車輛、目標(biāo)車輛的車輛數(shù)據(jù)信息以及周圍車輛的行駛數(shù)據(jù),行駛數(shù)據(jù)包括同一時(shí)間段所有車輛的所在車道信息、位置坐標(biāo)信息、速度與加速度信息;對(duì)行駛數(shù)據(jù)進(jìn)一步處理得到被預(yù)測的目標(biāo)車輛與周圍車輛的速度關(guān)系圖、加速度關(guān)系圖以及駕駛意圖關(guān)系圖。

    3、將速度關(guān)系圖、加速度關(guān)系圖、駕駛意圖關(guān)系圖輸入到圖注意力網(wǎng)絡(luò)supergatconv中,生成聚合了鄰居特征的新的環(huán)境特征圖,supergatconv作為圖注意力網(wǎng)絡(luò)的變種,可以更好地關(guān)注到周圍車輛與目標(biāo)車輛的局部交互特征信息。

    4、步驟2、將新的環(huán)境特征圖輸入到環(huán)境意圖編碼器中生成空間編碼特征,環(huán)境意圖編碼器采用多層擴(kuò)張卷積網(wǎng)絡(luò)。

    5、步驟3、將被預(yù)測的目標(biāo)車輛的車輛數(shù)據(jù)信息作為輸入特征,輸入特征包括:歷史軌跡、速度信息、加速度信息、車道類別信息、車輛類別信息,將5類信息輸入到lstm中得到時(shí)間編碼特征。

    6、步驟4、將空間編碼特征和時(shí)間編碼特征進(jìn)行拼接,后輸入到時(shí)空解碼器中,得到未來狀態(tài)特征,時(shí)空解碼器采用patchtst,是一種基于transformer的時(shí)序預(yù)測模型。

    7、步驟5、基于未來狀態(tài)特征,通過由lstm和mlp構(gòu)建的預(yù)測模塊,生成預(yù)測的未來軌跡,并進(jìn)行反向訓(xùn)練。

    8、所述預(yù)測模塊具體為:將時(shí)空解碼器輸出的未來狀態(tài)特征輸入到由lstm和激活函數(shù)elu組成的網(wǎng)絡(luò)中,得到的輸出分別進(jìn)入兩個(gè)并行的mlp網(wǎng)絡(luò),從而生成橫向行車意圖以及縱向行車意圖。

    9、最后將橫向行車意圖、縱向行車意圖與未來狀態(tài)特征進(jìn)行拼接,再輸入由lstm與mlp順序組成的解碼器中,生成預(yù)測的未來軌跡。

    10、與現(xiàn)有技術(shù)相比,本專利技術(shù)的優(yōu)點(diǎn)如下:

    11、針對(duì)三種不同的信息關(guān)系圖,采用supergatconv可以更好地聚合鄰居信息,supergatconv是一種gat模型,與傳統(tǒng)的gcn相比采用的是注意力權(quán)重,即兩個(gè)節(jié)點(diǎn)間的關(guān)系可以被優(yōu)化為連續(xù)數(shù)值,可以獲得車輛之間豐富的交互信息。

    12、針對(duì)經(jīng)過圖網(wǎng)絡(luò)聚合的圖信息,基于擴(kuò)張卷積的環(huán)境意圖編碼器可以保證在參數(shù)個(gè)數(shù)保持不變的情況下擴(kuò)大卷積核的感受野,讓每個(gè)卷積輸出都包含較大的范圍信息,捕獲更加豐富的附近車輛的行車意圖,同時(shí)將卷積層與擴(kuò)張卷積層結(jié)合在一起在保證局部空間信息不丟失。

    13、采用基于patchtst的時(shí)空解碼器將特征序列拆分成相同大小的短序列,學(xué)習(xí)并提取短序列局部特征,緩解長序列信息丟失問題,對(duì)比傳統(tǒng)的transformer模型擁有更少的模型參數(shù)并且可以生成更有效的未來狀態(tài)信息,提高車輛軌跡的預(yù)測性能。

    本文檔來自技高網(wǎng)
    ...

    【技術(shù)保護(hù)點(diǎn)】

    1.一種基于多車時(shí)空交互關(guān)系的車輛軌跡預(yù)測方法,其特征在于,包括以下步驟:

    2.根據(jù)權(quán)利要求1所述的一種基于多車時(shí)空交互關(guān)系的車輛軌跡預(yù)測方法,其特征在于,所述目標(biāo)車輛與周圍車輛的速度關(guān)系圖、加速度關(guān)系圖以及駕駛意圖關(guān)系圖生成具體過程如下:

    3.根據(jù)權(quán)利要求2所述的一種基于多車時(shí)空交互關(guān)系的車輛軌跡預(yù)測方法,其特征在于,車輛的速度和加速度的求解如下:

    4.根據(jù)權(quán)利要求2所述的一種基于多車時(shí)空交互關(guān)系的車輛軌跡預(yù)測方法,其特征在于,所述新的環(huán)境特征圖具體表示如下:

    5.根據(jù)權(quán)利要求1所述的一種基于多車時(shí)空交互關(guān)系的車輛軌跡預(yù)測方法,其特征在于,環(huán)境意圖編碼器總共有5個(gè)卷積模塊組成,分別是Conv2d_1、Conv2d_2、Conv2d_3、Conv2d_4和Conv2d_5,Conv2d_1作為第一個(gè)卷積模塊由1x1、3x3卷積核的卷積層以及歸一化層BatchNorm2d和激活函數(shù)ReLu組成,剩下四個(gè)卷積模塊由1x1卷積層、3x3的擴(kuò)展卷積層以及歸一化層BatchNorm2d和激活函數(shù)ReLu組成,環(huán)境特征圖分別作為Conv2d_1和Conv2d_2的輸入,Conv2d_3的輸入是Conv2d_1和Conv2d_2的輸出拼接,Conv2d_4的輸入是Conv2d_1、Conv2d_2、Conv2d_3的輸出拼接,Conv2d_5模塊的輸入是前四個(gè)模塊輸出的拼接得到的。

    6.根據(jù)權(quán)利要求1所述的一種基于多車時(shí)空交互關(guān)系的車輛軌跡預(yù)測方法,其特征在于所述的車輛數(shù)據(jù)信息包括目標(biāo)車輛的所在車道信息、位置坐標(biāo)信息、速度信息、加速度信息和車輛類別信息,豐富的多輸入特征能夠幫助LSTM提取歷史行車狀態(tài)。

    7.根據(jù)權(quán)利要求1所述的一種基于多車時(shí)空交互關(guān)系的車輛軌跡預(yù)測方法,其特征在于,所述時(shí)空解碼器采用PatchTST,是基于Transformer的時(shí)序預(yù)測模型。

    8.根據(jù)權(quán)利要求1至7任一所述的一種基于多車時(shí)空交互關(guān)系的車輛軌跡預(yù)測方法,其特征在于,所述預(yù)測模塊實(shí)現(xiàn)過程如下:

    ...

    【技術(shù)特征摘要】

    1.一種基于多車時(shí)空交互關(guān)系的車輛軌跡預(yù)測方法,其特征在于,包括以下步驟:

    2.根據(jù)權(quán)利要求1所述的一種基于多車時(shí)空交互關(guān)系的車輛軌跡預(yù)測方法,其特征在于,所述目標(biāo)車輛與周圍車輛的速度關(guān)系圖、加速度關(guān)系圖以及駕駛意圖關(guān)系圖生成具體過程如下:

    3.根據(jù)權(quán)利要求2所述的一種基于多車時(shí)空交互關(guān)系的車輛軌跡預(yù)測方法,其特征在于,車輛的速度和加速度的求解如下:

    4.根據(jù)權(quán)利要求2所述的一種基于多車時(shí)空交互關(guān)系的車輛軌跡預(yù)測方法,其特征在于,所述新的環(huán)境特征圖具體表示如下:

    5.根據(jù)權(quán)利要求1所述的一種基于多車時(shí)空交互關(guān)系的車輛軌跡預(yù)測方法,其特征在于,環(huán)境意圖編碼器總共有5個(gè)卷積模塊組成,分別是conv2d_1、conv2d_2、conv2d_3、conv2d_4和conv2d_5,conv2d_1作為第一個(gè)卷積模塊由1x1、3x3卷積核的卷積層以及歸一化層batchnorm2d和激活函數(shù)relu組成,剩下四個(gè)卷積模塊由1x1卷積層、3x...

    【專利技術(shù)屬性】
    技術(shù)研發(fā)人員:翟春杰肖教烈
    申請(qǐng)(專利權(quán))人:杭州電子科技大學(xué)
    類型:發(fā)明
    國別省市:

    網(wǎng)友詢問留言 已有0條評(píng)論
    • 還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。

    1
    主站蜘蛛池模板: 亚洲AV无码成人精品区日韩| 无码毛片AAA在线| 最新亚洲人成无码网www电影| 日韩人妻无码一区二区三区99| 亚洲午夜无码毛片av久久京东热| 亚洲av无码一区二区三区天堂古代| 少妇无码一区二区三区免费| 无码h黄动漫在线播放网站| 久久水蜜桃亚洲AV无码精品| 在线观看无码AV网站永久免费| 97久久精品亚洲中文字幕无码| 无码不卡中文字幕av| 国产精品无码久久av不卡| 永久免费av无码网站yy| 无码精品A∨在线观看无广告| 中文字幕丰满乱子伦无码专区| 伊人久久精品无码麻豆一区| 在线精品免费视频无码的| HEYZO无码中文字幕人妻| 亚洲AV色无码乱码在线观看| 无码专区永久免费AV网站| 曰韩精品无码一区二区三区| 麻豆亚洲AV成人无码久久精品| 国产成人AV一区二区三区无码| 国产成人精品一区二区三区无码| 亚洲国产成人精品无码区在线观看| 亚洲国产综合无码一区二区二三区| 中文字幕无码视频手机免费看| 曰韩精品无码一区二区三区| 色欲A∨无码蜜臀AV免费播| 国产50部艳色禁片无码| 手机在线观看?v无码片| 亚欧无码精品无码有性视频| 精选观看中文字幕高清无码| 久久久国产精品无码一区二区三区| 亚洲国产一二三精品无码| 精品无码久久久久国产动漫3d| 中文字幕精品无码一区二区三区| 国产精品毛片无码| 国产AV巨作情欲放纵无码| 亚洲AV无码一区二区三区在线观看|