目录
摘 要 I
ABSTRACT II
第一章 文献综述 1
1 研究背景及意义 1
2 国内外研究现状 2
3 研究内容及方法 4
第二章 车辆轨迹预测的应用 6
1 在交通领域的应用 6
2 轨迹预测的基本方法 7
第三章 LSTM模型及优化 8
1 模型描述及算法说明 8
1.1 模型描述 8
1.2 算法执行步骤 10
2 模型优化 13
2.1 模型优化内容 13
2.2 优化后的模型 14
3 本章小结 14
第四章 灰色预测模型 15
1 灰色模型算法介绍 15
2 灰色模型一般形式 16
3 灰色模型预测结果 19
第五章 算法对比评价 20
1 模型对比介绍 20
2 运行评估 20
第六章 结论与展望 23
参考文献 24
致 谢 26
基于改进的LSTM的车辆轨迹预测
摘 要
在智能交通越来越普及的时代，为了增强城市道路行驶效率，确保车辆的行车安全，自动驾驶也成为目前车辆和自动控制发展的一个重要的研究领域。对道路上行驶的车辆进行车辆转向意图即轨迹的预测，充分实现对人、车、路的协同应用和控制，能够很好地提高道路通行效率，保障道路人车安全。车辆的轨迹预测具有明显的时序特征，车辆的下一个时刻的位置和转向预测均与上一时刻的车辆位置有关。因此，本文选择长短时记忆网络方法为主要研究方法进行研究，对交叉口的车辆进行转向轨迹预测。长短时记忆网络在循环神经网络的基础上加入了一个能够预判信息是否有用的处理器，会使得测量结果更加精准。将所获取的数据导入程序模型，得出相应的车辆交叉口转向预测结果，再与真实值做对比，读取误差。同时还应用了灰色预测来进行对比分析，与神经网络预测进行对比，可见这两种方法在运算条件、车辆属性、运算步骤、模拟结果等，验证了新模型的可行性，并基于实际条件进行了相关实验设备、时限和数据来源等不足之处的分析。
 *51今日免费论文网|www.51jrft.com +Q: ^351916072^ 
/>
原文链接：http://www.jxszl.com/jtgc/jjtys/610129.html