一种基于LSTM的车辆轨迹预测系统及其方法技术方案

本发明专利技术涉及人工智能领域，具体涉及一种基于LSTM的车辆轨迹预测系统及其方法，包括以下步骤：步骤S1：数据预处理，获取原始车辆轨迹数据集，筛选出模型需要的特征文本数据，进行分配轨迹类别、过滤边缘情况、划分训练集、验证集和测试集，并为其生成图像数据；步骤S2：轨迹预测方法模型的训练，通过LSTM编码器对处理过后的时序数据进行编码提取特征，传入到图卷积和图注意力机制模块中增强特征表达，并进行特征融合，再通过解码器生成未来车辆的轨迹；步骤S3：对比实验，通过对比实验验证扩增数据的有效性。本发明专利技术的优点：通过引入图卷积与图注意力机制来更好的捕捉复杂交通场景下车辆的邻接关系，从而提高在复杂交通场景下车辆轨迹预测的精度。

【技术实现步骤摘要】

本专利技术涉及人工智能领域，具体涉及一种基于lstm与图卷积网络与图注意力机制的车辆轨迹预测系统及其方法。

技术介绍

1、近年来随着自动驾驶技术的快速发展，车辆轨迹预测作为自动驾驶技术的核心基础技术，要使得自动驾驶变得可靠值得人们信赖。如何提高轨迹预测模型的精准度和可靠性是确保自动驾驶安全的关键挑战。当前的许多方法通常依赖于固定时长的历史帧进行预测，并且在相邻时间步的预测中未能有效利用连续帧之间的内在关联，导致潜在的不稳定性和时间不一致性。且在复杂的交通场景下，建模变得十分困难，周围环境包括车辆行人对车辆轨迹的影响十分重要。如何利用周围车辆的信息进行建模并预测车辆未来轨迹变成现在学者们研究和挑战的一个棘手的问题。

技术实现思路

1、鉴于上述问题，本专利技术的目的是提供一种基于lstm的车辆轨迹预测系统及其方法，利用lstm和团卷积神经网络以及多种注意力机制来提取预测车辆的特征和周围环境对车辆的影响，最终预测出车辆的未来轨迹。

2、本专利技术提供的一种基于lstm与图卷积网络与图注意力机制的车辆轨迹本文档来自技高网...

【技术保护点】

1.一种基于LSTM的车辆轨迹预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于LSTM的车辆轨迹预测方法，在步骤S1中还包括以下步骤：

3.根据权利要求1所述的一种基于LSTM的车辆轨迹预测方法，在步骤S2中还包括以下步骤：

4.根据权利要求1所述的一种基于LSTM的车辆轨迹预测方法，在步骤S3中还包括以下步骤：

5.一种基于LSTM的车辆轨迹预测系统，其特征在于，包括：数据预处理模块、LSTM和图卷积图注意力模块以及对比实验模块；

【技术特征摘要】

1.一种基于lstm的车辆轨迹预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于lstm的车辆轨迹预测方法，在步骤s1中还包括以下步骤：

3.根据权利要求1所述的一种基于lstm的车辆轨迹预测方法，在步骤s2中...

【专利技术属性】
技术研发人员：戴银飞，张元彤，周秀贞，宋晓，乔梦娇，王琦，王绍强，刘玉宝，王艳柏，隋玉萍，刘志远，
申请(专利权)人：长春大学，
类型：发明
国别省市：