【技术实现步骤摘要】
本专利技术涉及智能交通领域和自动驾驶，具体涉及一种基于时间卷积网络和社交注意力网络的车辆轨迹预测方法。
技术介绍
1、通过预测周围车辆的轨迹，智能汽车可以提前对周围车辆运动状态的变化做出反应，有预见性地对未来交通情况做出准确决策，规划出安全、易于控制执行、舒适性高、不过于保守的行驶轨迹。经归纳整理，现有车辆轨迹预测方法主要分为三种类型：基于物理模型的方法、基于行为的方法、基于深度学习的方法。
2、基于物理模型的车辆轨迹预测方法将预测目标车辆简化为较为简单的车辆动力学或运动学模型，根据模型的输入(如：加速度、转向角等)和外界条件(如：路面摩擦系数)，迭代计算车辆未来状态。动力学模型基于车辆运动过程受到的不同力(如：轮胎的纵向力、横向力等)对车辆运动建模。运动学模型基于车辆运动参数(如：位置、速度、加速度)之间的数学关系对车辆运动建模，建模过程不考虑影响运动的力。在轨迹预测的相关研究中，由于动力学模型所需要的它车内部参数难以被自车传感器观察到，所以运动学模型的运用更为普遍。这些方法只能输出一条确定的运动轨迹，未能充分考虑车辆交互...
【技术保护点】
1.一种基于时间卷积网络和社交注意力网络的车辆轨迹预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于时间卷积网络和社交注意力网络的车辆轨迹预测方法，其特征在于，所述编码向量Xenc的公式如下：
3.根据权利要求1所述的一种基于时间卷积网络和社交注意力网络的车辆轨迹预测方法，其特征在于，所述社交卷积池化模块捕获目标车辆及其周围车辆之间的局部交互信息的步骤如下：
4.根据权利要求1所述的一种基于时间卷积网络和社交注意力网络的车辆轨迹预测方法，其特征在于，所述注意力机制捕获场景中所有车辆之间的全局交互信息的步骤如下：采...
【技术特征摘要】
1.一种基于时间卷积网络和社交注意力网络的车辆轨迹预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于时间卷积网络和社交注意力网络的车辆轨迹预测方法，其特征在于，所述编码向量xenc的公式如下：
3.根据权利要求1所述的一种基于时间卷积网络和社交注意力网络的车辆轨迹预测方法，其特征在于，所述社交卷积池化模块捕获目标车辆及其周围车辆之间的局部交互信息的步骤如下：
4.根据权利要求1所述的一种基于时间卷积网络和社交注意力网络的车...
【专利技术属性】
技术研发人员：李琴，黄晓林，欧炳光，王勇，郑座才，杨璇，
申请(专利权)人：广西大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。