# LSTM-XGBoost

**Repository Path**: fanghz-colin/lstm-xgboost

## Basic Information

- **Project Name**: LSTM-XGBoost
- **Description**: 论文“基于轨迹预测与极限梯度提升的驾驶意图识别”代码
- **Primary Language**: Python
- **License**: EPL-1.0
- **Default Branch**: master
- **Homepage**: https://gitee.com/fanghz-colin/lstm-xgboost.git
- **GVP Project**: No

## Statistics

- **Stars**: 12
- **Forks**: 0
- **Created**: 2023-05-14
- **Last Updated**: 2025-05-15

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# LSTM-XGBoost

### 介绍
论文“基于轨迹预测与极限梯度提升的驾驶意图识别”代码

### 代码运行


#### 主要依赖包

torch==1.10.2+cu113

xgboost==1.7.1

numpy==1.19.5

#### 整体代码框架

![image](./pictures/f1.png)

#### 数据处理模块（data_process）

在NGSIM US101和I-80上进行实验，NGISM原始数据（raw_datasets）通过云盘下载：链接：https://pan.baidu.com/s/1QwXZwzZjL85Kxvm4RY1Frg 
提取码：jkui

#### *************************

数据处理：

windows 系统: 安装git for windows，双击data_process.sh; 或者逐一直行数据处理代码，详细见: https://gitee.com/fanghz-colin/mtf-lstm.git

ubuntu 系统：运行 bash data_process.sh


#### *************************

#### 轨迹预测模块（trajectory_prediction）

采用5s历史轨迹预测3s未来轨迹

模型训练： python MTF-LSTM-train.py

模型测试： python MTF-LSTM-test.py

选取轨迹预测表现最好的数据集，鉴于数据集太大，硬件限制无法实现同时预测，故先将数据集分解为更小的数据集，然后再实现轨迹预测并重新保存为新文件。

数据集分解： 

python divide_train_dataset.py

python divide_test_dataset.py

python divide_valid_dataset.py

轨迹预测：

python MTF-LSTM-resave.py

#### *************************

#### 驾驶意图识别模块 (driving_intention_recognition)

xgboost模型： python xgboost.py

lstm-xgboost模型： python lstm-xgboost.py


### 论文引用

方华珍,刘立,顾青等.        基于轨迹预测和极限梯度提升的驾驶意图识别        [J/OL].                吉林大学学报(工学版),                                        1-9[2024-01-18]        https://doi.org/10.13229/j.cnki.jdxbgxb.20230479.