一种融合车辆运动与车道信息的多模式车辆轨迹预测方法

本发明公开了一种融合车辆运动与车道信息的多模式车辆轨迹预测方法，该方法将车辆轨迹与地图车道原始数据以序列形式表示，利用MLP网络转化为低维且易处理的特征，并使用LSTM网络进行特征提取。此外，本发明利用基于GRU的图神经网络与注意力机制，提取车辆间的空间关系特征和场景车道的全局特征。为进一步挖掘车辆轨迹与场景地图特征间的潜在关联性，本发明基于CVAE的模型架构，使用多个潜变量分别对车辆运动与车道信息的个性化特征与公共特征进行建模。本发明通过CVAE建模生成的潜变量样本，结合车辆轨迹的多模式预测与周边车道序列预测两个任务，有效提升了车辆轨迹预测结果的精度与多样性。