首页> 中文期刊> 《汽车工程》 >人机混驾环境下基于深度学习的车辆切入

人机混驾环境下基于深度学习的车辆切入

         

摘要

为保证人机混驾环境下自动驾驶汽车的安全行驶,对周围车辆切入轨迹的预测至关重要。本文首先使用Savitzky-Golay滤波器对大规模采集的自然驾驶数据进行去噪处理,根据准则提取车辆切入片段,建立符合中国道路状况的车辆切入数据集。其次,发挥Bi-LSTM网络能充分利用上下文信息的优点和in-out快捷连接有效减少梯度消失和网络退化的能力,提出了一种基于深度学习的改进型Bi-LSTM神经网络,来预测车辆的切入轨迹,在双向长短时记忆网络的基础上引入快捷连接,并综合考虑了自车对周边车辆切入的影响。利用自然驾驶数据集和NGSIM数据集进行试验验证,结果表明,本文提出的改进型Bi-LSTM预测模型的轨迹预测效果明显优于其他方法,对增强自动驾驶汽车的安全性具有重要的意义。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号