来源：期刊VIP网 时间：
作者：李庆;乔少杰;陈浩;李任杰;蒋宇河;李洲;刘晨旭;卓小军;韩楠;
单位：成都信息工程大学软件工程学院;成都市公安局科技信息化处;四川九门科技股份有限公司;成都信息工程大学管理学院;
摘要：随着自动驾驶技术的快速发展，准确预测周围车辆的运动轨迹成为确保行车安全的关键。现有的方法大多未充分考虑车辆与环境以及车与车之间的互动和环境情景信息，面对复杂交通场景下的轨迹预测性能不佳。基于此，提出一种融合时空查询Transformer的情景感知多模态车辆轨迹预测模型(Contex-aware Multimodal Vehicle Trajectory Pediction Model Based on Spatio-Temporal Query Transformer, STQformer),高效地理解和预测复杂交通环境中的车辆行为。模型以Transformer框架为基础，引入可学习的时空查询并利用社交交互模块，实现对车辆意图的深度感知和更准确的轨迹预测。实验结果表明：与当前先进的轨迹预测算法相比，STQformer在长期预测方面的性能同比性能最佳对比模型提升了9%。该模型有助于提升自动驾驶系统的安全性和可靠性，推动自动驾驶技术的发展和应用，使其更好地适应复杂多变的交通环境，减少交通事故，提高交通效率。
关键词：车辆轨迹预测;;时空查询;;Transformer;;多头注意力机制;;深度学习
基金资助：国家自然科学基金(62272066);; 四川省科技计划资助(2025ZNSFSC0044,2025YFHZ0194);; 成都市技术创新研发项目重点项目(2024-YF08-00029-GX);成都市技术创新研发项目(2024-YF05-01217-SN);; 成都市区域科技创新合作项目(2025-YF11-00050-HZ);; 网络空间安全教育部重点实验室及河南省网络空间态势感知重点实验室开放基金课题(KLCS20240106);; 网络空间大数据智能安全教育部重点实验室开放基金课题(CB
