预测问题-标杆模型

此处汇聚了共建者共同提供的标杆模型，它遵循相似的格式。对于预测问题的模型，项目内一般包括main.py（主函数），README（指导数据集下载与环境配置），Data文件夹（存放原始数据），Map文件夹（存放地图数据），Api文件夹（官方API接口），model文件夹（存放模型相关文件），utils文件夹（存放功能函数文件），result文件夹（存放程序结果），preprocess.py（预处理程序），train.py（模型训练程序），test.py（模型测试程序），visualize.py（结果可视化程序）。

LaneGCN

  • 描述：使用Argoverse数据集进行机动车轨迹预测
  • 简介：结合道路信息，利用车道图卷积网络预测车辆在不同交通情况下的多模态的移动轨迹，以及各条可能轨迹的置信度。
  • 链接：https://github.com/TOPSlearningcenter/lane_1

PLM

  • 描述：使用仙霞剑河路数据集进行非机动车轨迹预测
  • 简介：骑⾏者被建模为具有异质交互策略的个体，利⽤偏好学习捕捉骑⾏者的交互策略，基于异质性偏好组合描述交互关系以此指导轨迹预测。
  • 链接：https://github.com/TOPSlearningcenter/Prediction-XXJH-PLM_1

MemoNet

  • 描述：MemoNet，一种基于实例（instance–based）的方法，通过寻找训练数据中相似的场景来预测智能体的运动意图。
  • 简介：MemoNet中，具有一对显式存储训练集中代表性实例的记忆库，以模拟神经系统中的前额叶皮层；同时设计了一个可训练的记忆寻址器（memory addresser），能够自适应地在记忆库中搜索与当前情境相似的实例，模拟基底神经节的功能。在预测过程中，MemoNet通过使用记忆寻址器索引记忆库中的相关实例，回忆先前的记忆。该模型第一步利用MemoNet预测目标位置，第二步根据预测的目标位置完成整个轨迹。