无人驾驶汽车周边车辆行为识别算法研究

摘要

周边车辆行为识别对于提升无人驾驶汽车决策规划的合理性和控制安全性至关重要.传统的周边车辆行为识别方法识别精度普遍不高,且缺乏对交通主体相互之间邻域影响的考虑,算法鲁棒性较差.针对此,本文中提出了一种SLSTMAT(Social-LSTM-Attention)算法,创新性地引入目标车辆社交特征并通过卷积神经网络提取,建立了基于深度学习的车辆行为识别模型,应用注意力机制来捕捉行为时窗中的多时步信息,实现了周边车辆行为准确识别.采用HighD轨迹数据集和实车数据进行算法验证.结果表明,所提算法对周边车辆行为识别的准确率达94.01％,在目标车辆到达换道点的前1 s时刻行为识别精度达90％,具有较高的工程应用价值.