人机混驾环境下基于深度学习的车辆切入轨迹预测

• 作者: 郭景华 何智飞 罗禹贡 李克强
• 来源期刊: 汽车工程
• 关键词: 自动驾驶 切入轨迹预测 人机混驾 深度学习 改进型Bi-LSTM
• 年，卷（期）: 2022,（2）
• 页码范围: 153-160,214
• 页数: 9页
• 语种: 中文
• DOI: 10.19562/j.chinasae.qcgc.2022.02.001

摘要

为保证人机混驾环境下自动驾驶汽车的安全行驶,对周围车辆切入轨迹的预测至关重要.本文首先使用Savitzky-Golay滤波器对大规模采集的自然驾驶数据进行去噪处理,根据准则提取车辆切入片段,建立符合中国道路状况的车辆切入数据集.其次,发挥Bi-LSTM网络能充分利用上下文信息的优点和in-out快捷连接有效减少梯度消失和网络退化的能力,提出了一种基于深度学习的改进型Bi-LSTM神经网络,来预测车辆的切入轨迹,在双向长短时记忆网络的基础上引入快捷连接,并综合考虑了自车对周边车辆切入的影响.利用自然驾驶数据集和NGSIM数据集进行试验验证,结果表明,本文提出的改进型Bi-LSTM预测模型的轨迹预测效果明显优于其他方法,对增强自动驾驶汽车的安全性具有重要的意义.