基于加权图注意力网络的可解释车辆轨迹预测方法及系统

本发明公开了基于加权图注意力网络的可解释车辆轨迹预测方法及系统，方法步骤包括：采集无人驾驶场景中，所有交通参与者的历史特征；基于历史特征，构建可解释车辆轨迹预测模型；利用可解释车辆轨迹预测模型完成车辆轨迹预测。本发明通过对可解释和不可解释的效用进行非加性融合，同时实现了高预测精度和可解释性。同时，加权图注意力网络可以更有效地学习图结构中目标车辆与环境之间的相互作用，从而提高预测精度。本发明可以为预测的区域分布提供可解释性。这种方法在大数据集上实现了高精度的可解释性，且可应用于其他领域，研究深度学习模型的可解释性机制。