В реальных интеллектуальных транспортных системах сбой Интернета вещей приводит к прерыванию данных, что подчеркивает важность алгоритма генерации траекторий. Существующие два метода генерации траекторий имеют недостатки. Алгоритмы на основе физических моделей не адаптируются к динамическим транспортным сценам, а методы, основанные на данных, могут игнорировать взаимодействия между транспортными средствами. Для сложных сцен, таких как перекрестки, в данной работе предлагается метод генерации траекторий на основе условной диффузионной модели. Метод вводит матрицу мотивов для количественной оценки влияния окружающих транспортных средств на целевое транспортное средство, использует механизм графового внимания для точного определения ключевой информации о соседних автомобилях и вводит условную информацию в обратный процесс дегазации диффузионной модели для генерации траекторий. В конце проведены экспериментальные проверки на датасетах nuScenes и собственном наборе данных траекторий. Результаты показывают, что предложенный метод превосходит существующие основные модели по нескольким показателям точности и лучше соответствует кинематическим законам.

интеллектуальный транспорт;генерация траекторий транспортных средств;условная диффузионная модель