基于长短时记忆网络的路口转向意图预测

论文摘要

提出了通用路口车辆行驶意图预测模型,对其他交通参与者在路口的转向意图进行预测。根据驾驶场景对真实数据集NGSim(Next Generation Simulation)进行特征选择与数据提取,然后使用长短时记忆(LSTM)网络进行通用模型训练。结果表明:该模型可以在停车线前10 m预测出车辆是左转、右转,还是继续直行,预测正确率为92. 3%。

论文目录

• 1 数据集
• 2 长短时记忆网络
•   2.1 递归神经网络
•   2.2 长短时记忆网络
• 3 基于长短时记忆网络的路口转向意图预测
• 4 实验及结果分析
•   4.1 对比实验
•   4.2 距离实验
•   4.3 直行、右转预测实验
• 5 结语

文章来源

类型: 期刊论文

作者: 王亚伟,尹慧琳,伍淑莉,王杰

关键词: 自动驾驶,长短时记忆网络,运动行为预测,意图预测

来源: 系统仿真技术 2019年01期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑

专业: 汽车工业,自动化技术

单位: 同济大学中德学院

基金: 国家自然科学基金(61701348),科技部重点专项(2016YFB0100901,2018YFB0105101),TUEV SUED基金(20162020)

分类号: U463.6;TP183

DOI: 10.16812/j.cnki.cn31-1945.2019.01.001

页码: 1-6

总页数: 6

文件大小: 283K

下载量: 158