本研究提出了一种结合知识图谱和贝叶斯推理的车道变换预测方法，旨在提高风险情境下的可解释性和透明度。该模型在预测风险车道变换时实现了91.5%的F1分数，为自动驾驶车辆提供了额外反应时间。

Explainable Lane Change Prediction for Near-Crash Scenarios: A Method Based on Knowledge Graph Embeddings and Retrieval-Augmented Generation
BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证