论文笔记:TrafficPredict: Trajectory Prediction for Heterogeneous Traffic-Agents
论文笔记:TrafficPredict: Trajectory Prediction for Heterogeneous Traffic-Agents
摘要
这是百度在AAAI2019发布的一篇文章。这篇文章提出了一种基于4D-graph的方法实现复杂场景下的轨迹预测,研究对象包含行人、机动车和自行车。
实现方法
本文提出了一个基于LSTM的算法,名为 TrafficPredict 。构建了一个4D Graph,输入是轨迹序列数据,4D graph的两个维度是个体间的交互,一个维度是时间序列,另一个维度是分类。graph中每个个体都是一个节点,每个类别(总共三个类别)表示为一个超节点,节点间的关系用边表示(边包括同时刻个体间、同时刻类别间(即超节点的连接)、同时刻个体与对应类别、相邻时刻同一个体与自身、相邻时刻同一类别与自身)。
因为同类物体的移动速度、个体间交互方式比较接近,因此这种同时提取类别运动特征和个体运动特征的方法能取得一个更好的结果。
实例(个体)层 :Instance Layer
Instance Layer 用于捕获交通中每个个体的移动模式。
- 同类instance共享相同的权值(这里指的是temporal edges);
- 总共有3个类别,因此有3个不同的LSTM(同样指的是temporal edges);
- 所有类别共享spatial edges的权值(即个体与个体间的相互作用);
类别层:Category Layer
用于学习相同类别个体的移动模式,从而更好地预测每个个体的轨迹。类别层包括四个部分:超节点(代表一个特定的类别)、个体与对应超节点之间的边、相邻时刻超节点与自己的temporal edges。第一步先将instance LSTM提取到的特征作为category layer的输入,以便让类别层提取出同一类别的个体的运动模式;之后将category layer的输出反作用于instance layer,从而改善instance layer的预测结果。
预测评估
假设交通参与者(行人、自行车、汽车)的位置服从双变量高斯分布(bivariate Gaussian distribution)
(xit,yti)∼N(μit,σit,ρit)(x^t_i,y^i_t) ∼ N(μ^t_i,σ_i^t,ρ^t_i)(xit,yti)∼N(μit,σit,ρit)
网络用于预测这些参数:
[μit,σit,ρit]=φ(h2it−1;Wf)[μ_i^t, σ_i^t, ρ_i^t] = φ(h2_i^{t−1}; W_f )[μit,σit,ρit]=φ(h2it−1;Wf)
损失函数构建如下:
数据集
除了算法之外,文中还提到了百度发布的数据集Apollo。数据集包含155分钟10FPS的数据集,包含丰富的轨迹信息、3D检测框、雷达点云数据。
结果
论文笔记:TrafficPredict: Trajectory Prediction for Heterogeneous Traffic-Agents相关推荐
- 11-04Physics-Aware Learning-based Longitudinal Vehicle Trajectory Prediction in Congested Traffic
Physics-Aware Learning-based Longitudinal Vehicle Trajectory Prediction in Congested Traffic 摘要 拥挤交通 ...
- 论文笔记02 Link Prediction by Multiple Motifs in Directed Networks
论文笔记02 Link Prediction by Multiple Motifs in Directed Networks 1.基于单个子图朴素贝叶斯模型的链路预测 2.基于两个子图朴素贝叶斯模型的 ...
- [论文笔记]Vision-Based Trajectory Planning via Imitation Learning for Autonomous Vehicles
Vision-Based Trajectory Planning via Imitation Learning for Autonomous Vehicles 基于视觉的模仿学习路径规划器.由三个子网 ...
- 顶会论文笔记:联邦学习——ATPFL: Automatic Trajectory Prediction Model Design under Federated Learning Framework
ATPFL: Automatic Trajectory Prediction Model Design under Federated Learning Framework 文章目录 ATPFL: A ...
- Social-STGCNN: A Social Spatio-Temporal GCNN for Human Trajectory Prediction(CVPR2020)论文阅读笔记
Social-STGCNN: A Social Spatio-Temporal GCNN for Human Trajectory Prediction 一种用于人类轨迹预测的社会时空图卷积神经网络 ...
- TraPHic: Trajectory Prediction in Dense and Heterogeneous Traffic Using Weighted Interactions
一.介绍 这篇论文主要是介绍了一种用于车辆轨迹预测的算法,区别于一般的轨迹预测,这种轨迹预测的方法是考虑了周围其余交通参与者(Traffic Agents)的影响,传统的轨迹预测可以看作西医,强调器官 ...
- 文献阅读笔记:EvolveGraph: Multi-Agent Trajectory Prediction with Dynamic Relational Reasoning
文献阅读笔记 摘要 1 引言 2 相关工作 3 Problem formulation 4 EvolveGraph 5 Experiments 6 结论 EvolveGraph: Multi-Agen ...
- Recursive Social Behavior Graph for Trajectory Prediction(CVPR2020阅读笔记)
Recursive Social Behavior Graph for Trajectory Prediction 摘要 1 引言 2 相关工作 3 方法 4 实验 5 结论 用于轨迹预测的递归社会行 ...
- [论文阅读]用于车辆轨迹预测的卷积社交池Convolutional Social Pooling for Vehicle Trajectory Prediction
文章目录 一.摘要 二.介绍 三.相关研究 3.1 基于机动的模型 3.2 交互感知模型 3.3 运动预测的递归网络 四.问题制定 4.1 参照系 4.2 输入输出 4.3 概率运动预测 4.4 操作 ...
- 论文笔记--Quality Prediction of Asymmetrically Distorted Stereoscopic 3D Images
论文笔记--Quality Prediction of Asymmetrically Distorted Stereoscopic 3D Images 摘要 I.介绍 II.回顾先前的3D-IQA研究 ...
最新文章
- mysql修改主键属性_mysql如何改变主键属性
- linux 账号和密码文件 /etc/passwd和/etc/shadow 简介
- Linux 文件大小 文件夹大小 磁盘大小
- matlab中step_使用MATLAB中bertool进行通信仿真
- 2016年3月1日Android实习笔记
- 单实例单向rac搭建gg流
- EasyUI,二级页面内容的操作
- String类比较,String类运算比较,String运算
- Oracle下载安装教程—Oracle19c下载安装(每一步)
- C++ Primer Plus学习(十三)——代码重用(has-a)
- 【ARM 嵌入式 C 入门及渐进 2 -- 向上取整向下取整 linux roundup/round_up】
- 将淘宝客数据导入自己的数据库
- sqlnet.ora
- 纪录片《Code Rush》
- Python实战项目:俄罗斯方块(源码分享)(文章较短,直接上代码)
- Android最全的屏幕适配
- Hello world!RT-Thread全球化运营开启,海外官网正式上线!
- 更换手机号码之后常用操作
- 计算理论和自动机理论学习笔记
- 算法导论_第三版PDF