摘要： 为解决车辆轨迹预测任务中环境不断变化、车辆间存在交互影响，导致长期预测情况下预测精度较低的问题，提出了一种基于 ｍｕｌｔｉｐｌｅｆｕｔｕｒｅｓｐｒｅｄｉｃｔｏｒ（ＭＦＰ）算法的多智能体轨迹预测模型。采用对称指数移动平均法去除异常数据并平滑轨迹；采用图神经网络（ｇｒａｐｈｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋ，ＧＣＮ）进行交互特征提取，将历史轨迹与未来智能体之间的交互特征进行编码；在解码过程中添加车辆自身运动学模型得到动态可行的预测轨迹。对公开数据集 ＮＧＳＩＭ进行实验分析，结果表明：模型对车辆轨迹预测误差在 ０．５ｍ以内；通过对轨迹预测的 ＡＤＥ与 ＦＤＥ结果分析，在预测未来 ５ｓ轨迹的情况下，相比于其他方法，ＡＤＥ降低了 ３０．７％，ＦＤＥ降低了 ３２．５％，验证了模型和算法的有效性。

关键词: 自动驾驶；车辆轨迹预测；图神经网络；特征提取；ＭＦＰ模型

中图分类号: 

• Ｕ４９１．２３