计算机应用研究

作者：顾一凡,莫磊,

单位：东南大学自动化学院,南京210096；

关键词：轨迹预测,运动状态,注意力机制,图神经网络,

基金：江苏省自然科学基金面上项目(SBK20242028)；国家重点研发青年科学家资助项目(2022YFF0902800)；；

针对因为忽略车辆运动状态而导致的车辆预测轨迹不准确的问题，提出了一种基于运动状态的轨迹预测模型Movement-DenseTNT。首先，对交通参与者的轨迹信息和地图信息以图神经网络的方法进行编码；其次，使用LSTM提取车辆的运动状态信息；然后，将场景编码信息与在可行驶区域内采样得到的候选轨迹终点集合通过注意力机制的方式进行信息融合，从而得到每个候选轨迹终点的概率值；最后，通过筛选得到最终的轨迹终点并进行轨迹补全，以此得到准确的轨迹预测结果。该模型在两个基准数据集上与九个基线模型进行了比较，实验结果显示，Movement-DenseTNT模型在四个常用评估指标上优于基线模型，验证了加入车辆运动信息可以有效提升车辆轨迹预测的精度。

来源：2025年第4期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第4期