基于换道意图的卷积双向注意力网络高速公路车辆轨迹预测模型研究.docxVIP

基于换道意图的卷积双向注意力网络高速公路车辆轨迹预测模型研究

目录

基于换道意图的卷积双向注意力网络高速公路车辆轨迹预测模型研究（1）

内容描述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3

1.1研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4

1.2国内外研究现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5

1.3研究内容与方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．7

相关理论与技术．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．12

2.1卷积神经网络．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．12

2.2双向注意力机制．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．13

2.3换道意图识别．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．15

数据集与数据处理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．16

3.1数据集来源与选取．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．16

3.2数据预处理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．19

3.3特征工程．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．21

模型构建．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．22

4.1基于换道意图的卷积神经网络．．．．．．．．．．．．．．．．．．．．．．．．．．．．24

4.2双向注意力网络．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．25

4.3模型融合与优化．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．27

实验与结果分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．30

5.1实验设置．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．31

5.2实验结果．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．31

5.3结果分析与讨论．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．32

结论与展望．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．34

6.1研究结论．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．35

6.2研究不足与改进方向．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．37

6.3未来工作展望．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．38

基于换道意图的卷积双向注意力网络高速公路车辆轨迹预测模型研究（2）

内容描述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．39

1.1研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．41

1.2国内外研究现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．41

1.3研究目的和主要内容．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．43

相关技术综述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．45

2.1车辆轨迹预测方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．46

2.2卷积神经网络．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．47

2.3双向注意力机制．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．48

换道意图识别算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．49

3.1换道意图数据来源．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．50

3.2换道意图特征提取．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．52

3.3换道意图识别模型．．．．．．．．．