车联网背景下的机动车辆轨迹预测模型

作     者：吴翊恺 胡启洲 吴啸宇 Wu Yikai;Hu Qizhou;Wu Xiaoyu

作者机构：南京理工大学自动化学院南京210094 

出 版 物：《东南大学学报（自然科学版）》 (Journal of Southeast University：Natural Science Edition)

年 卷 期：2022年第52卷第6期

页      面：1199-1208页

核心收录：

学科分类：0810[工学-信息与通信工程] 08[工学] 082303[工学-交通运输规划与管理] 0805[工学-材料科学与工程（可授工学、理学学位）] 082302[工学-交通信息工程及控制] 0812[工学-计算机科学与技术（可授工学、理学学位）] 0823[工学-交通运输工程] 

基　　金：国家自然科学基金资助项目(51178157) 河南省重点科技攻关资助项目(182102310004) 

主　　题：车联网 车辆轨迹预测 特征提取 自注意力模型 

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.