التنبؤ بالمسار والسلوك لوكالات الطرق باستخدام التجميع الطيفي في رؤوس المخططات-الـ LSTMs

نقدّم نهجًا جديدًا للتنبؤ بالحركة المرورية في السيناريوهات الحضرية باستخدام مزيج من تحليل الرسوم البيانية الطيفية والتعلم العميق. نُقدّر المعلومات منخفضة المستوى (المدارات المستقبلية) وكذلك المعلومات عالية المستوى (سلوك الوكيل على الطرق) من المسارات المستخرجة لكل وكيل على الطريق. تمثل صيغتنا التقارب بين الوكلاء على الطرق باستخدام رسم بياني مروري موزون ديناميكيًا. نستخدم شبكة LSTM ذات تدفقين لتنبؤ حركة المرور باستخدام هذه الرسوم البيانية الموزونة. يُقدّر التدفق الأول الإحداثيات المكانية للوكلاء على الطرق، بينما يُقدّر التدفق الثاني ما إذا كان الوكيل سيعمل على عرض سلوك عدواني أو وقائي أو طبيعي. نُقدّم تنظيمًا طيفيًا للمركّز لتقليل هامش الخطأ في التنبؤات طويلة المدى (3-5 ثوانٍ) وتحسين دقة المسارات المتنبأ بها. قمنا بتقييم منهجنا على مجموعات بيانات Argoverse وLyft وApolloscape، ونُبرز الفوائد مقارنة بالأساليب السابقة للتنبؤ بالمسارات. في الممارسة العملية، يقلل منهجنا متوسط خطأ التنبؤ بأكثر من 54% مقارنة بالخوارزميات السابقة، ويحقق دقة متوسطة موزونة قدرها 91.2% في التنبؤ بالسلوك.