In realen intelligenten Verkehrssystemen führt ein Ausfall des Internets der Dinge zu Datenunterbrechungen, was die Bedeutung des Trajektoriengenerierungsalgorithmus hervorhebt. Die bestehenden beiden Trajektoriengenerierungsmethoden weisen Mängel auf. Physikalisch modellbasierte Algorithmen sind nicht an dynamische Verkehrsszenarien anpassbar, während datengesteuerte Methoden oft die Wechselwirkungen zwischen Fahrzeugen ignorieren. Für komplexe Szenarien wie Kreuzungen schlägt dieser Artikel eine auf einem bedingten Diffusionsmodell basierende Trajektoriengenerierungsmethode vor. Diese Methode führt eine Motivenmatrix ein, um den Einfluss umliegender Fahrzeuge auf das Zielvehikel zu quantifizieren, verwendet einen Graph-Attention-Mechanismus zur genauen Identifikation wichtiger Nachbarfahrzeuginformationen und integriert konditionale Informationen in den inversen Rauschunterdrückungsprozess des Diffusionsmodells zur Generierung von Fahrzeugtrajektorien. Schließlich wurden Validierungsexperimente auf dem nuScenes-Datensatz und einem eigenen Trajektoriendatensatz durchgeführt. Die Ergebnisse zeigen, dass die vorgeschlagene Methode mehrere Genauigkeitsbewertungsmetriken bestehender Hauptmodelle übertrifft und besser mit kinematischen Gesetzen übereinstimmt.

intelligenter Verkehr; Fahrzeugtrajektoriengene­ration; bedingtes Diffusionsmodell