典型文献
车联网背景下的机动车辆轨迹预测模型
文献摘要：
针对传统深度学习算法对长序列特征提取效果有限的问题,提出一种基于Transformer的机动车辆轨迹预测模型.将利用车联网技术获取的周围车辆位置、速度、加速度及工况数据作为模型输入,通过Transformer的自注意力层及全连接层的处理得到区域内机动车辆状态向量.卷积联合池化层将车辆状态信息特征进一步提炼,经解码器得到未来时刻的车辆轨迹分布.将模型部署在仿真环境,使用NGSIM数据集对模型进行验证分析.结果表明:该模型对机动车辆未来横向轨迹和纵向轨迹的预测准确率分别为97.4％和88.4％;与其他深度学习模型横向相比,预测值与真实值的均方根误差和交叉熵代价函数值均最小.该模型在提取车辆历史轨迹特征上效果显著,提高了轨迹预测的准确性.
文献关键词：
车联网;车辆轨迹预测;特征提取;自注意力模型
中图分类号：
作者姓名：
吴翊恺;胡启洲;吴啸宇
作者机构：
南京理工大学自动化学院,南京210094
文献出处：
引用格式：
[1]吴翊恺;胡启洲;吴啸宇-.车联网背景下的机动车辆轨迹预测模型)[J].东南大学学报（自然科学版）,2022(06):1199-1208
A类：
B类：
机动车辆,车辆轨迹预测,深度学习算法,序列特征,提取效果,Transformer,用车,车联网技术,技术获取,工况数据,模型输入,注意力层,全连接层,理得,状态向量,池化,状态信息,信息特征,经解,解码器,来时,模型部署,仿真环境,NGSIM,验证分析,纵向轨迹,预测准确率,深度学习模型,真实值,交叉熵,代价函数,函数值,历史轨迹,自注意力模型
AB值：
0.371618
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
