公开(公告)号：CN119028130A

公开(公告)日：2024-11-26

申请号：CN202411051119.1

申请日：2024-08-01

Applicant: 上海理工大学

Inventor： 周亦威 ,  夏莫

IPC: G08G1/01 ,  G06F18/23213 ,  G06N3/0442

Abstract: 本发明公开了基于加权图注意力网络的可解释车辆轨迹预测方法及系统，方法步骤包括：采集无人驾驶场景中，所有交通参与者的历史特征；基于历史特征，构建可解释车辆轨迹预测模型；利用可解释车辆轨迹预测模型完成车辆轨迹预测。本发明通过对可解释和不可解释的效用进行非加性融合，同时实现了高预测精度和可解释性。同时，加权图注意力网络可以更有效地学习图结构中目标车辆与环境之间的相互作用，从而提高预测精度。本发明可以为预测的区域分布提供可解释性。这种方法在大数据集上实现了高精度的可解释性，且可应用于其他领域，研究深度学习模型的可解释性机制。

公开(公告)号：CN119007431A

公开(公告)日：2024-11-22

申请号：CN202410942587.1

申请日：2024-07-15

Applicant: 上海理工大学

Inventor： 周亦威 ,  劳逸男 ,  夏莫

IPC: G08G1/01 ,  G08G1/123 ,  G06Q10/04 ,  G06Q50/40 ,  G06N3/0442 ,  G06N3/048 ,  G06N3/047

Abstract: 本发明提出了基于图遍历策略的城市多类型交通参与者多模态车辆轨迹预测方法，包括：获取预设时间段内目标车辆、周围多交通参与者和车道节点各自的信息数据；将所述信息数据输入预设的轨迹预测模型，获取目标车辆的最终预测轨迹：对所述信息数据进行特征提取及聚合，获取车道节点聚合特征；对所述车道节点聚合特征进行图遍历策略处理，获取车辆未来的节点轨迹分布；对所述车辆未来的节点轨迹分布，进行多模态预测，获取目标车辆的最终预测轨迹。本发明考虑复杂城市交通场景下多类型交通参与者，基于历史轨迹信息，提出基于图遍历策略的轨迹预测模型，相比传统轨迹预测模型更加接近真实情况，并有效提升预测轨迹的精度。