计算机工程

作者：王庆荣, 郝福乐, 朱昌锋, 王俊杰

单位：1. 兰州交通大学电子与信息工程学院, 甘肃 兰州 7300702. 兰州交通大学交通运输学院, 甘肃 兰州 730070

关键词：轨迹预测,注意力机制,多特征融合,混合示教门控循环单元,解码模式

基金：国家自然科学基金(72161024); 甘肃省教育厅"双一流"重大研究项目(GSSYLXM-04)

针对现有模型对车辆特征提取不足和预测场景单一的问题, 提出了一种在多场景下融合多特征的车辆轨迹预测模型MTF-GRU-MTSHMA。该模型由编码器模块、多特征提取模块、多特征融合模块和轨迹预测模块组成。在编码器模块, 利用门控循环单元(GRU)对车辆历史信息进行编码得到车辆的历史状态; 在多特征提取模块, 考虑目标车辆区域内周围车辆之间的空间关联性, 通过多维度空间注意力机制挖掘周围车辆的深层特征, 并引入三重注意力机制对编码后的状态向量进行特征提取; 在多特征融合模块, 将提取到的多种特征进行线性拼接, 并输入到多特征融合网络中进行融合; 在轨迹预测模块, 对GRU进行改进, 提出混合示教门控循环单元(MTF-GRU)并作为解码器, 通过引入示教率来控制解码模式以提高解码性能, 将融合后的特征输入到解码器中生成未来轨迹。在NGSIM数据集上进行的仿真实验结果表明, 与最优基准模型相比, 所提模型在直线道路、十字路口以及环岛道路场景下的均方根误差(RMSE)分别提高了8.16%、10.31%和8.37%, 证明了所提模型的有效性。

来源：2026年第2期

《计算机工程》期刊编辑部

查看计算机工程杂志2026年第2期