计算机工程

作者：刘建敏, 林晖, 汪晓丁

单位：1. 福建师范大学计算机与网络空间安全学院, 福建 福州 3501172. 网络安全与教育信息化福建省高校工程研究中心, 福建 福州 350117

关键词：多模态任务,轨迹预测,时空特征,注意力机制,交叉注意力

基金：国家自然科学基金(61702103); 国家自然科学基金(U1905211); 福建省自然科学基金(2020J01167); 福建省自然科学基金(2020J01169)

现有的轨迹预测工作大多依赖于高精地图, 但高精地图的采集耗时长、成本高、处理复杂, 难以快速适应智能交通的大面积普及。为解决无地图场景下车辆轨迹预测问题, 提出一种基于多模态数据时空特征的轨迹预测方法。构建多个历史轨迹时空交互图, 交叉使用时间和空间注意力并进行深度融合, 以建模道路上车辆之间的时空关联性。在此基础上, 利用残差网络进行多目标多模态轨迹生成。在真实数据集Argoverse 2上进行模型的训练和测试, 实验结果表明, 相较于CRAT-Pred方法, 该模型在单模态预测方面最小平均位移误差、最小最终位移误差和未命中率指标分别提升了3.86%、3.89%、0.48%, 在多模态预测方面各项指标分别提升了0.78%、0.96%、0.42%。该方法能够有效地捕捉车辆移动轨迹的时间和空间特征, 并可在自动驾驶等相关领域得到有效应用。

来源：2024年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第7期