LSTGHP:基于分层时空图的异构代理轨迹分布预测

摘要

为了在复杂的城市交通环境中安全且舒适的导航,自动驾驶汽车必须对周围交通代理(车辆,自行车,行人等)的未来轨迹做出负责任的预测.为此,我们提出了一种基于分层时空图结构的异构交通代理轨迹预测模型LSTGHP,模型由以下三部分组成:(1)分层时空图模块;(2)Ego-agent Motion模块;(3)轨迹预测模块,其可以学习到场景中具有不同语义类别的交通代理未来轨迹的多模态分布.为了评估模型的性能,我们在由一个时变、高动态的城市交叉路口环境下收集异构交通代理的轨迹数据集,其中车辆,自行车和行人在场景中彼此交互运动.实验结论表明,我们的模型可以提高代理在近距离交互时的预测准确性.通过模型在新数据集上的性能评估,与先前的预测方法相比,模型在异构交通代理轨迹预测中具有较低的预测误差.