GRU-注意力轨迹预测模型

精度提升超12%

融合GRU-注意力与改进社会力模型，更准地预测弱势交通参与者轨迹，提高自动驾驶安全性。

陈浩 · Wei, Chongfeng · Liu, Yinhua · Chuan, Hu · 张希

IEEE Transactions on Transportation Electrification 2024

参数信息

轨迹预测准确率提升

12 %

技术优势

提升预测精度

通过融合GRU-注意力与改进社会力模型，预测准确率提高超过12%，优于现有方法。

考虑多种交互

模型纳入VTP异质性、意图、VTP-VTP-车辆交互以及人行横道边界和信号灯影响，更贴近真实交通场景。

防止过拟合

融合过程中使用最大似然估计校准不可测参数，避免模型过拟合，提高泛化能力。

应用场景

• 自动驾驶：为自动驾驶车辆预测弱势交通参与者轨迹，辅助碰撞避免决策。
• 具身智能：为具身智能体提供行人等动态障碍物轨迹预测，增强环境交互安全性。
• 智能交通系统：用于智能交通系统预测VTP运动，优化交通管理与安全预警。
• 机器人导航：帮助机器人在人行横道等场景预测弱势参与者轨迹，实现安全导航。