计算机工程

作者：颜伏伍, 王占彬, 胡杰, 徐文才, 唐郁轩, 陈楠

单位：1. 武汉理工大学现代汽车零部件技术湖北省重点实验室, 湖北 武汉 4300702. 武汉理工大学汽车零部件技术湖北省协同创新中心, 湖北 武汉 4300703. 新能源与智能网联车湖北工程技术研究中心, 湖北 武汉 430070

关键词：自动驾驶汽车,极坐标系,特征池化,长短期记忆,轨迹预测

基金：湖北省重大专项(2022AAA001)

准确地预测周围车辆的未来轨迹对于自动驾驶汽车(ADV)理解复杂动态环境至关重要。然而, 现有的池化策略仅依赖于欧氏坐标系表征下的历史位置特征编码, 难以有效地捕捉车辆的机动意图等隐变量特征。为此, 提出一种机动意图可知的车辆轨迹预测方法。首先, 构建基于极坐标系特征表征和高阶特征编码的池化机制, 以捕捉车辆间的相互依赖关系; 其次, 设计基于高斯概率分布的位置和加速度机动类型判别策略, 以准确地模拟结构化道路场景下车辆的预期机动; 然后, 设计基于随机采样的规划轨迹与历史轨迹耦合编码模块, 在增强模型交互特征捕获性能的同时避免冗余编码; 最后, 基于编码器-解码器框架构建轨迹预测模型StructNet, 并基于真实道路数据集NGSIM验证算法的有效性。多组对比实验和消融实验结果表明, 所提出的车辆轨迹预测模型在5 s时的均方根误差指标低于3.5 m, 相较于基准模型提升15.3%, 预测准确率得到显著提高。

来源：2025年第11期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第11期