基于門控循環(huán)單元和Transformer的車輛軌跡預測方法

摘要： 為增強自動駕駛車輛對動態(tài)環(huán)境的理解能力及其道路行駛安全性，提出基于門控循環(huán)單元（GRU）和Transformer的車輛軌跡預測模型STGTF，使用GRU提取車輛的歷史軌跡特征，通過雙層多頭注意力（MHA）機制提取車輛的時空交互特征，生成預測軌跡。試驗結(jié)果表明，預測結(jié)果的均方根誤差（RMSE）平均降低7.3%,STGTF在短期預測和長期預測方面均有不同程度的提升，驗證了模型的有效... （共8頁）