典型文献
基于车流特性和LSTM的长期车辆轨迹预测方案
文献摘要：
由于车辆高速移动引发位置突变,深度学习模型难以学习预测函数,导致现有方案在长期预测中位置误差较大,对此提出了基于车流特性的长期车辆轨迹预测方案.通过分析城区场景中车流的聚集性和潮汐性,分析各个位置出现的频次,确定了不同位置相应的权重值;利用长短期记忆(long short-term memory,LSTM)网络的"记忆"特性,设计了基于LSTM的编码器-解码器预测模型,实现长期车辆轨迹预测.仿真实验结果表明,所提方案与消融实验方案对比,在工作日长期预测中的平均位置误差降低了1.4％,最终位置误差降低了1.1％,均方根误差降低了0.9％,且具有较好的泛化性.
文献关键词：
车辆轨迹预测;长短期记忆网络;车流特性
中图分类号：
作者姓名：
李新;蔡英;张猛;李汶锦;范艳芳
作者机构：
北京信息科技大学计算机学院,北京100101
文献出处：
引用格式：
[1]李新;蔡英;张猛;李汶锦;范艳芳-.基于车流特性和LSTM的长期车辆轨迹预测方案)[J].北京信息科技大学学报（自然科学版）,2022(06):32-37
A类：
B类：
车流特性,车辆轨迹预测,预测方案,高速移动,深度学习模型,预测函数,长期预测,位置误差,聚集性,潮汐,个位,不同位置,权重值,long,short,term,memory,编码器,解码器,消融实验,实验方案,方案对比,工作日,日长,平均位置,泛化性,长短期记忆网络
AB值：
0.335497
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。
