变压器迁移学习换道预测模型

真实路况高精度预测

利用Transformer迁移学习，将大量轨迹数据中学习到的车辆交互动态自适应地整合到预测中，在真实数据集上表现优于现有方法。

Lu, Yuhuan · 许鹏鹏 · Xinyu, Jiang · Bashir, Ali Kashif · Gadekallu, Thippa Reddy · 王为 · 胡希平

IEEE Transactions on Intelligent Transportation Systems 2025

技术优势

动态适应车辆数

利用预训练轨迹预测模型动态处理可变数量的周围车辆，无需固定邻居数或引入虚拟车辆噪声。

深度利用轨迹数据

从大规模轨迹数据中捕获交互上下文，弥补现有方法对此利用不足的缺陷。

准确率鲁棒性双优

在两个真实数据集上均优于最先进基线，证明框架有效。

应用场景

• 自动驾驶决策系统：实时预测周围车辆换道意图，降低决策风险。
• 智能交通管理：分析海量轨迹，优化交通流预测与管控。
• 车辆协同系统：共享换道意图，提升协同驾驶安全性。