基于軌跡預測的駕駛意圖識別

摘 要：駕駛意圖識別對于確保交通安全和提升交通效率至關重要。為實現對未來車輛駕駛意圖的預測，本研究基于軌跡預測與駕駛意圖識別方法，選用Argoverse公開數據集作為訓練和測試數據集，并提出了一種結合VectorNet軌跡預測模型和隨機森林分類模型的駕駛意圖識別方法，實現對未來3s的駕駛意圖識別。為驗證該方法的有效性，本文將新提出的VectorNet-隨機森林模型與LSTM-隨機森林模型進行了對比，結果表明本文方法的效果更佳。這一方法為未來自動駕駛和智能交通系統的發展提供了參考和借鑒。

關鍵詞：軌跡預測 駕駛意圖識別 圖神經網絡 隨機森林

0 引言

據2023年世界衛生組織調查報告顯示，每年有119萬人死于交通事故。交通事故是5-29歲兒童和年輕人的主要死因，死于交通事故的人中有超過一半是行人、自行車和摩托車的駕駛者。為了減少交通事故的危害，智慧交通受到學術界和工業界越來越多的關注。駕駛意圖識別作為其重要研究分支，可以通過意圖識別幫助駕駛人員規避駕駛過程中可能出現的風險。為此，本文應用Argoverse公開數據集，基于VectorNet軌跡預測模型和隨機森林分類模型，構建基于軌跡預測的駕駛意圖識別模型，以實現對車輛駕駛意圖的預測。

1 駕駛意圖識別研究現狀

高速公路交通流特征分析是交通工程領域的一個核心議題，其研究旨在深入理解高速公路上車輛運行的規律，為交通擁堵治理和智能交通系統的發展提供科學依據。……