一种先进的轨迹预测框架，能够整合多种驾驶风格，适用于自动驾驶车辆

《Science China-Information Sciences》：Advanced trajectory prediction framework integrating diverse driving styles for autonomous vehicles

自动驾驶中车辆轨迹预测面临个性化驾驶习惯和复杂交互的挑战，本文提出融合PCA与FCM的风格分类框架，结合GLEAResBiLSTM全局局部注意力机制，在NGSIM数据集上验证5秒预测误差降低34.12%。

　　

摘要

随着自动驾驶车辆的普及，准确预测周围车辆的运动已成为混合交通中自动驾驶的关键安全问题之一。然而，人类驾驶员的个性化驾驶习惯以及车辆之间的必要交互使得运动预测过程变得复杂。为应对这些挑战，本文提出了一种创新的个性化轨迹预测框架，该框架全面考虑了个体驾驶风格及其与周围车辆的交互。该框架主要包括两个部分：驾驶风格分类和车辆轨迹预测。首先，结合使用主成分分析（PCA）和模糊C均值（FCM）算法来有效捕捉和分类多种驾驶风格。基于这些风格信息，构建了一个具有残差双向长短期记忆网络（GLEAResBiLSTM）的全局-局部增强注意力模块，以整合局部和全局信息从而获得预测轨迹。最后，利用下一代仿真（NGSIM）数据集验证了所提出预测框架的高性能。与传统方法相比，该方法在5秒内的预测中将均方根误差（RMSE）降低了34.12%，这充分体现了该预测框架在自动驾驶方面的卓越准确性和创新实用性。