基于LSTM-多頭混合注意力的可解釋換道意圖預(yù)測(cè)

摘要： 為了使自動(dòng)駕駛汽車準(zhǔn)確地預(yù)測(cè)其周圍車輛的換道意圖，提出了一種基于長(zhǎng)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(cè)模型。該模型可以充分提取目標(biāo)車輛與其周圍車輛之間的時(shí)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(lái)解釋各個(gè)特征在特定時(shí)間步對(duì)模型輸出的影響程度，在HighD數(shù)據(jù)集上進(jìn)行了實(shí)驗(yàn)。并通過(guò)SHAP值的可視化，直觀解釋了換道預(yù)... （共11頁(yè)）