基于深度学习与交互特征的智能车辆换道风险预测模型

智研平台会员

登录机构账号

复制成功

设置

万方会员

暂未开通会员

开通即享超值福利、会员权益
优质内容推荐

立即开通

个人中心

我的智研

退出登录

简繁

搜索

DOI: 10.12361/2661-376X-07-04-170257

基于深度学习与交互特征的智能车辆换道风险预测模型

孟令一

山东科技大学交通学院

全文直达

引用

打印

摘要：随着自动驾驶技术的发展，车辆换道风险预测已成为提高智能车辆安全性和性能的关键任务之一。传统的换道风险预测方法往往忽略了换道车辆与周围环境之间的复杂交互特征，导致预测准确度不足。本文提出了一种基于交互特征的智能车辆换道风险预测方法。首先基于 highD 数据集提取周围交互车辆轨迹数据，利用停车距离指数建立风险评价指标，并通过聚类算法划分风险等级。最后，采用 LSTM 模型进行风险预测，实验结果表明，加入交互特征的 LSTM 模型预测效果更好。

关键词：

交互特征；智能车辆；换道风险预测；LSTM 模型

Universe Scientific Publishing

ISSN：2661-3751

年,卷(期)：2025,7(4)