中国安全科学学报

作者：张传莹, 徐国艳, 陈志发, 周彬, 陈立伟, 洪玮

单位：1 北京航空航天大学 交通科学与工程学院,北京 100191；2 贵州开源爆破工程有限公司,贵州 贵阳 551400

关键词：扩展卡尔曼滤波(EKF),门控循环单元(GRU),车辆轨迹,轨迹预测,NGSIM数据集,神经网络

基金：国家重点研发计划课题项目(2022YFB4703702)

为提升行车安全,实现自动驾驶车辆正确的决策规划,提出基于扩展卡尔曼滤波(EKF)-门控循环单元(GRU)的车辆轨迹预测方法,结合学习方法与物理模型,在提升预测精度的同时,提高轨迹预测的合理性。首先,基于GRU构建预测网络,通过提取车辆的历史轨迹特征预测车辆的纵向加速度及横摆角速度;其次,基于车辆非线性运动学构建EKF状态估计器,结合观测值生成车辆未来有限时域的行驶轨迹;最后,在高速公路多车轨迹数据集NGSIM I-80和US-101上进行轨迹预测方法验证。结果表明:采用传统的物理模型生成预测轨迹,其最终距离误差(FDE)、均方根误差(RMSE)、平均距离误差(ADE)值分别为6.48、7.69和3.03 m。相比之下,利用EKF-GRU生成的预测轨迹表现出更高的准确性,对应的数值分别为5.45、6.67和2.56 m,分别提升15.90%、13.26%和15.51%。

来源：2024年第6期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2024年第6期