10.3969/j.issn.1006-4303.2023.03.005
基于Attention-BiLSTM网络的车辆换道意图识别
针对换道意图识别方法仅考虑车辆历史状态信息,未充分利用车辆连续性和时序性特征的问题,提出了一种基于Attention-BiLSTM网络的换道意图识别方法.首先,分析行驶车辆之间的交互行为,采用双向长短期记忆网络学习换道意图特征编码信息;其次,通过引入模拟人脑推理行为的注意力机制进行网络权重自适应分配,提高网络捕捉重要状态信息能力;最后,利用H ig hD车辆轨迹数据集对模型进行训练和评估.试验结果表明:所提出的Attention-BiLSTM模型与LSTM模型相比,其准确率和F1分数分别提高了13.2% 和10.5%,有效提升网络对周围车辆换道意图的识别性能.
换道意图识别、双向长短期记忆网络、注意力机制、交互行为
51
U463.6(汽车工程)
江西省研究生创新专项资金资助项目;江西理工大学研究生创新专项资金项目
2023-06-09(万方平台首次上网日期,不代表论文的发表时间)
共7页
264-270