基于Attention机制和递归思想的LSTM车辆轨迹预测

打开文本图片集

摘要：

针对现有车辆轨迹预测模型在长时预测方面准确性不足的问题，基于Attention机制和递归思想的长短时记忆网络（long short-term memory， LSTM）构建了一种新型的车辆轨迹预测模型，即ATT-LSTM（RE）模型，使用编码器–解码器架构更精确地预测车辆未来的行驶轨迹。研究结果表明，模型意图识别的准确率为91.7％，F1分数、召回率、精确率均在0.872 ～ 0.977之间；1 s、2 s、3 s、4 s、5 s的终点轨迹预测的均方根误差为0.52 m、1.07 m、1.69 m、2.58 m、3.31 m，优于同类型模型。（剩余11287字）