En los sistemas de transporte inteligente reales, una falla del Internet de las cosas provoca interrupción de datos, lo que resalta la importancia del algoritmo de generación de trayectorias. Los dos métodos existentes de generación de trayectorias tienen deficiencias. Los algoritmos basados en modelos físicos no se adaptan a escenas de tráfico dinámicas, mientras que los métodos basados en datos tienden a ignorar las interacciones entre vehículos. Para escenas complejas como las intersecciones, este artículo propone un método de generación de trayectorias basado en un modelo de difusión condicional. Este método introduce una matriz de motivos para cuantificar el grado de influencia de los vehículos circundantes en el vehículo objetivo, utiliza un mecanismo de atención gráfica para identificar con precisión la información de los vehículos vecinos clave, e introduce información condicional en el proceso inverso de eliminación de ruido del modelo de difusión para generar trayectorias de vehículos. Finalmente, se realizaron experimentos de validación en el conjunto de datos nuScenes y un conjunto de datos de trayectorias construido. Los resultados muestran que el método propuesto supera a los modelos principales existentes en varios indicadores de precisión y se ajusta mejor a las leyes cinemáticas.

transporte inteligente; generación de trayectorias de vehículos; modelo de difusión condicional