华南理工大学学报(自然科学版)

作者：张建华, 李玮

单位：东北林业大学 土木与交通学院，黑龙江 哈尔滨 150040

关键词：环形交叉口,车辆轨迹预测,多头注意力,简化图卷积,TimeMixer

基金：黑龙江省重点研发计划项目(JD22A014);黑龙江省自然科学基金项目(YQ2022E003)

为提升环形交叉口等复杂结构化场景下的车辆轨迹预测精度，提出一种结合了多头注意力机制（MHA）、简化图卷积（SGC）网络和TimeMixer机制的深度学习模型，构建了一个宏观-微观双层编码体系。在宏观层面，采用MHA捕捉由全局道路拓扑施加的长时程战略约束，即通过建模车辆完整历史轨迹和环岛结构（如出入口的深层关系）来推断其长期行驶意图；在微观层面，首先利用SGC网络提取车辆间的即时空间关系，随后引入TimeMixer机制，将一维交互时序映射为多尺度、多分辨率的二维时空图像，通过对周期性战术行为与趋势性战略意图的显式解耦和分层融合，实现对深层交互模式的精准捕捉。两类信息经门控网络融合后，由门控循环单元解码器生成最终的轨迹。实验结果表明，在5 s的预测时间内，该文提出的模型在公开数据集INTERACTION上的平均位移误差与最终位移误差分别为1.19和1.85 m，在公开数据集RounD上则分别为1.16和1.80 m，均优于基线模型，证明通过对宏观全局约束与微观时空交互进行分层建模，特别是对交互模式进行解耦分析，能有效提升模型在复杂场景下的轨迹预测性能。

来源：2026年第4期

《华南理工大学学报(自然科学版)》期刊编辑部

查看华南理工大学学报(自然科学版)杂志2026年第4期