Interaction-aware vehicle trajectory prediction using spatial-temporal dynamic graph neural network

Ruiyu Wang

doi:10.1016/j.knosys.2025.114187

Interaction-aware vehicle trajectory prediction using spatial-temporal dynamic graph neural network

2025-07-26

0

PRE

AI

DOI：10.1016/j.knosys.2025.114187

原文链接

原文求助

摘要

En 中文

• 通过轨迹残差和离散微分运算提取运动状态信息，随后将其输入实例归一化和线性积分模块，以解决车辆轨迹中的分布偏移问题，使所提模型能够捕捉线性运动趋势。 • 一种新颖的车辆轨迹预测框架有效建模了交通场景中车辆间的交互关系。通过采用基于交互的动态图卷积网络，所提模型显著提升了时空建模能力。 • 设计了一个时空特征依赖融合模块，用于同时提取时空特征依赖关系，实现对车辆交互过程中潜在依赖关系的全面探索。并在公开数据集上进行的大量实验验证了所提模型的优越性。

Keyword:

trajectory prediction

vehicle interaction

dynamic graph convolutional network

spatial-temporal feature fusion

distribution shift mitigation

Interaction-aware vehicle trajectory prediction using spatial-temporal dynamic graph neural network

摘要

期刊

机构

引用论文