【技术实现步骤摘要】
本申请涉及车联网通信，尤其涉及一种用于轨迹预测的车联网资源调度方法、装置、设备及介质。
技术介绍
1、车辆轨迹预测是智能交通系统中的一项关键技术，旨在使用各类算法对车辆在未来一段时间内的位置和行进路线进行预测。这一技术的核心在于对车辆动态和行为模式的深入理解，利用历史数据和实时信息综合判断车辆未来的运动状态。车辆轨迹预测对于提高道路安全性、优化交通流量管理、减少交通拥堵以及促进自动驾驶技术的发展具有至关重要的作用。通过高效准确的轨迹预测，可以显著提高道路安全性，优化交通流量管理，减少拥堵，以及增强自动驾驶车辆的决策能力。
2、在轨迹预测技术中，根据任务的执行方式可以分为分布式和集中式两种场景，我们在此特别关注集中式轨迹预测任务。这类任务通常在诸如城市交通管理中心或大型智能交通监控系统中实施，其核心在于利用集中处理的方式，实时综合分析来自广泛车辆网络的数据，以形成对整个交通系统的宏观认知和预测。在这种场景中，集中式轨迹预测的实现依赖于车联网通信技术，中心节点通过车联网实时获取覆盖范围内各车辆的关键状态信息，如位置、速度和其他传...
【技术保护点】
1.一种用于轨迹预测的车联网资源调度方法，应用于车联网无线通信系统中，其特征在于，包括：
2.根据权利要求1所述的用于轨迹预测的车联网资源调度方法，其特征在于，所述提取所述状态信息的时序特征，并采用目标深度神经网络模块基于所述时序特征对各用户进行当前时刻以及下一时刻的轨迹精度估计处理，得到当前时刻轨迹精度和下一时刻轨迹精度，包括：
3.根据权利要求2所述的用于轨迹预测的车联网资源调度方法，其特征在于，所述将所述时序特征输入至所述目标深度神经网络模块中进行特征提取，得到非线性特征，包括：
4.根据权利要求1所述的用于轨迹预测的车联网资...
【技术特征摘要】
1.一种用于轨迹预测的车联网资源调度方法，应用于车联网无线通信系统中，其特征在于，包括：
2.根据权利要求1所述的用于轨迹预测的车联网资源调度方法，其特征在于，所述提取所述状态信息的时序特征，并采用目标深度神经网络模块基于所述时序特征对各用户进行当前时刻以及下一时刻的轨迹精度估计处理，得到当前时刻轨迹精度和下一时刻轨迹精度，包括：
3.根据权利要求2所述的用于轨迹预测的车联网资源调度方法，其特征在于，所述将所述时序特征输入至所述目标深度神经网络模块中进行特征提取，得到非线性特征，包括：
4.根据权利要求1所述的用于轨迹预测的车联网资源调度方法，其特征在于，所述下一时刻轨迹精度包括传输成功后下一时刻轨迹精度和传输失败后下一时刻轨迹精度，所述基于所述当前时刻轨迹精度和所述下一时刻轨迹精度生成用户通信优先级，并根据所述用户通信优先级进行车联网通信资源调度，包括：
5.根据权利要求4所述的用于轨迹预测的车联网资源调...
【专利技术属性】
技术研发人员：郭重涛，王恩超，梁荣钦，刘志华，黄志森，黄淇楠，黄志远，
申请(专利权)人：深圳大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。