基于LSTM-多頭混合注意力的可解釋換道意圖預(yù)測

摘要： 為了使自動駕駛汽車準確地預(yù)測其周圍車輛的換道意圖，提出了一種基于長短期記憶神經(jīng)網(wǎng)絡(luò)（LSTM）-多頭混合注意力的可解釋換道意圖預(yù)測模型。該模型可以充分提取目標車輛與其周圍車輛之間的時空交互關(guān)系，并且提出了一種基于最大熵的Shapley加性解釋方法（SHAP）來解釋各個特征在特定時間步對模型輸出的影響程度，在HighD數(shù)據(jù)集上進行了實驗。并通過SHAP值的可視化，直觀解釋了換道預(yù)... （共11頁）