公开(公告)号：CN114926823A

公开(公告)日：2022-08-19

申请号：CN202210494451.X

申请日：2022-05-07

Applicant: 西南交通大学

Inventor： 李可 ,  杨玲 ,  张宏浩 ,  王小宁 ,  罗寿西

IPC: G06V20/59 ,  G06V10/774 ,  G06V10/82 ,  G06V10/764 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及车辆驾驶行为预测技术领域，涉及一种基于WGCN的车辆驾驶行为预测方法，包括：一、生成每辆车的特征矩阵和本地地图；二、特征矩阵加权后和经过CNN编码后的本地地图构建成一张图，并输入到边‑增强的图卷积神经网络GCN中；三、通过GCN提取输入数据的特征，利用GCN的边‑增强注意力机制使边特征的维数增加，提高权重系数分配的准确率；利用GCN的特征传递机制使得车辆的交互特征能以图的形式进行传递，充分表示了车辆之间的交互关系变化；四、将GCN输出的交互特征输入Transformer进行训练；五、通过全连接层获得对车辆驾驶行为的预测结果。本发明使得对车辆驾驶行为预测有更高的准确性。

公开(公告)号：CN114926823B

公开(公告)日：2023-04-18

申请号：CN202210494451.X

申请日：2022-05-07

Applicant: 西南交通大学

Inventor： 李可 ,  杨玲 ,  张宏浩 ,  王小宁 ,  罗寿西

IPC: G06V20/59 ,  G06V10/774 ,  G06V10/82 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及车辆驾驶行为预测技术领域，涉及一种基于WGCN的车辆驾驶行为预测方法，包括：一、生成每辆车的特征矩阵和本地地图；二、特征矩阵加权后和经过CNN编码后的本地地图构建成一张图，并输入到边‑增强的图卷积神经网络GCN中；三、通过GCN提取输入数据的特征，利用GCN的边‑增强注意力机制使边特征的维数增加，提高权重系数分配的准确率；利用GCN的特征传递机制使得车辆的交互特征能以图的形式进行传递，充分表示了车辆之间的交互关系变化；四、将GCN输出的交互特征输入Transformer进行训练；五、通过全连接层获得对车辆驾驶行为的预测结果。本发明使得对车辆驾驶行为预测有更高的准确性。