基于时空特征与交互关系建模的换道意图预测

高帅帅,魏诚,惠飞,张竟成,宋汉辰

Lane-changing intention prediction based on spatiotemporal feature and interaction modeling

Shuaishuai GAO,Cheng WEI,Fei HUI,Jingcheng ZHANG,Hanchen SONG

表 3 输入长度为1.5 s时不同模型的性能对比

Tab.3 Performance comparison of different models with 1.5 s input length

模型 类别 $ P $/% $ R $/% F1 /% $ {A}_{\text{cc}} $/% Social-LSTM （模型A） LK 85.78 90.77 88.20 91.64 LLC 94.61 92.13 93.36 RLC 95.07 92.03 93.53 ST-GCN（模型B） LK 91.04 93.81 92.41 94.86 LLC 97.41 94.60 95.98 RLC 96.32 96.17 96.25 Transformer（模型C） LK 96.69 93.34 94.98 96.71 LLC 97.46 98.53 97.99 RLC 96.00 98.27 97.12 GATv2（模型D） LK 72.30 77.35 74.74 80.39 LLC 83.62 84.06 83.84 RLC 86.22 79.76 82.87 Transformer-GATv2 （模型E） LK 96.37 96.17 96.27 97.52 LLC 98.28 98.64 98.46 RLC 97.90 97.75 97.82