基于双交叉Transformer的自动驾驶车辆轨迹预测方法及系统技术方案

本发明专利技术公开基于双交叉Transformer的自动驾驶车辆轨迹预测方法及系统，包括S1：收集目标车辆以及周围车辆的历史轨迹数据和车辆状态数据作为输入序列X；S2：捕捉目标车辆和周围车辆之间的交互情况，输出目标车辆和周围车辆初步预测轨迹，并对个体不确定性和协同不确定性进行评估；S3：通过损失函数衡量预测效果，并更新优化参数。在车路协同环境下基于多个车辆进行模拟训练，充分考虑目标车辆与周围车辆的交互作用。不确定性评估器采用置等变换神经网络，能捕捉输入数据中各个车辆之间的互动，保持在排列输入数据和生成特征时的不变性；在特征空间中更为准确地获取个体和协作不确定性，从而提高不确定性的估计精度。

【技术实现步骤摘要】

本专利技术涉及自动驾驶车辆轨迹预测方法及系统，特别提供了基于双交叉transformer的自动驾驶车辆轨迹预测方法及系统，属于自动驾驶轨迹预测。

技术介绍

1、自动驾驶车辆轨迹预测是自动驾驶技术中的一个关键领域，它涉及到预测自动驾驶车辆在未来一段时间内的运动轨迹。对于自动驾驶系统而言，这种预测至关重要，因为它能够帮助车辆做出更准确的决策，避免潜在的危险或冲突。在复杂交通环境中，准确预测车辆的未来轨迹不仅受到复杂道路结构的影响，还受到车辆间交互的影响。这些基于复杂道路环境的交互作用显著增加了预测的难度。因此，在该环境下，自动驾驶车辆实现准确、高效、可靠的轨迹预测构成了一项重要挑战。

2、目前，自动驾驶领域生出了许多关于轨迹预测的方法，这些方法主要是传统和基于深度学习的方法，传统的方法主要依赖于完善的数学和统计技术，同时根据历史数据和预定义的模型进行预测，例如基于物理的方法、基于机动的方法。

3、其中，基于物理的方法主要是针对车辆运动的低级属性、物理规律和动力学进行建模。通常，由于其利用物理规律，这种方法可以在短期(小于一秒)的预测中取本文档来自技高网...

【技术保护点】

1.基于双交叉Transformer的自动驾驶车辆轨迹预测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于双交叉Transformer的自动驾驶车辆轨迹预测方法，其特征在于：所述S2包括以下步骤：

3.根据权利要求2所述的基于双交叉Transformer的自动驾驶车辆轨迹预测方法，其特征在于：所述S1具体为：

4.根据权利要求3所述的基于双交叉Transformer的自动驾驶车辆轨迹预测方法，其特征在于：所述S201具体为：将S1中的输入序列X进行位置编码；

5.根据权利要求4所述的基于双交叉Transformer的自动驾驶车...

【技术特征摘要】

1.基于双交叉transformer的自动驾驶车辆轨迹预测方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于双交叉transformer的自动驾驶车辆轨迹预测方法，其特征在于：所述s2包括以下步骤：

3.根据权利要求2所述的基于双交叉transformer的自动驾驶车辆轨迹预测方法，其特征在于：所述s1具体为：

4.根据权利要求3所述的基于双交叉transformer的自动驾驶车辆轨迹预测方法，其特征在于：所述s201具体为：将s1中的输入序列x进行位置编码；

5.根据权利要求4所述的基于双交叉transformer的自动驾驶车辆轨迹预测方法，其特征在于：所述s202具体为：通过双向交叉注意力机制捕捉目标车辆和周围车辆之间的交互情况，获取交互特征，并反复训练：

6.根据权利要求5所述的基于双交叉transf...

【专利技术属性】
技术研发人员：刘擎超，王林强，蔡英凤，王海，陈龙，
申请(专利权)人：江苏大学，
类型：发明
国别省市：