实体
NGSIM US-101
NGSIM US-101
PulseAugur coverage of NGSIM US-101 — every cluster mentioning NGSIM US-101 across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新型AI模型SSP-DMGTimeNet提升车辆编队轨迹预测能力
研究人员开发了SSP-DMGTimeNet，一个新颖的物理约束学习框架，旨在提高车辆编队时空轨迹预测的准确性。该模型集成了多尺度时间表示和跨车辆交互特征，以更好地捕捉编队的复杂动态。一项关键创新是其传播延迟感知因果注意力机制，通过学习响应延迟来显式建模干扰在车辆间的传播方式。该框架还纳入了时域和频域的稳定性损失，以防止干扰放大，在HighD、NGSIM US-101和I-80等数据集上实现了具有竞争力的预测精度并增强了稳定性。
-
新框架利用动态场景图预测多车变道
研究人员开发了一个名为DSiGAT的新框架，该框架使用动态场景图注意力机制来预测多辆相互作用车辆的变道意图和未来轨迹。该方法将交通场景建模为时变交互图，捕捉车辆之间的空间和运动关系。在多个数据集上的实验表明，与现有方法相比，DSiGAT显著提高了意图预测的准确性并减少了轨迹预测误差，从而实现了更连贯、更安全的场景级预测。