原文传递
车联网下高速公路分流区车辆轨迹预测方法研究
| 论文题名： | 车联网下高速公路分流区车辆轨迹预测方法研究 |
| 关键词： | 车联网;高速公路分流区;驾驶意图识别;卷积神经网络 |
| 摘要： | 高速公路的建设是交通强国战略中的重要一环，高速公路通车里程正在逐年快速增长。然而在事故方面，高速公路是机动车事故的高发地，是我国公路安全的薄弱点。高速公路分流区又是高速公路里最容易发生交通事故的区域。为了降低高速公路分流区的事故率，保护行车安全，准确的预测周围车辆的未来轨迹并做出及时应对是一种降低事故风险的有效方法。本文基于Transformer框架，提出了一种车联网下的高速公路分流区轨迹预测模型。 首先，详细分析了车联网下轨迹预测的理论基础。包括车联网系统的概念及发展现状、车联网的架构及信息通讯方式等。详细讨论了分流区的四项特性，包括影响范围、几何特征、分流特征和驾驶行为分类等，分析得出的结果为分流区轨迹预测模型提供了实践参考。阐述了轨迹预测模型常用的神经网络框架包括CNN、RNN、LSTM和GRU的基本原理，为后续提出完整的轨迹预测模型框架提供了理论基础。 其次，筛选了车联网下可获取的数据，选取有价值的数据作为轨迹预测模型的输入。分别讨论了位置数据、速度、加速度数据以及工况数据的获取和传输方法，提出了基于5G+GNSS的高精度位置及车速获取技术。最后为了提升数据的质量，提出了一种基于K-Means聚类的数据补全方法和一种基于对称指数移动平均法（SMEA）的降噪方法。 再次，详细分析了Transformer框架在轨迹预测中的优势和其内部的结构原理，提出了一种基于Transformer框架加卷积神经网络的轨迹预测模型。该模型包括三个部分，分别是编码器、卷积联谊池化层和解码器，该模型创新性的将分流区的车辆行驶以图片的思路使用卷积神经网络进行逐帧处理，提取目标车辆和环境车辆的特征，并输入基于驾驶意图的轨迹输出模块中。 最后，使用NGSIM数据集对模型进行验证分析，本文提出的模型在验证集上得到了97%的准确度，显示出优异的预测性能。 |
| 作者： | 吴翊恺 |
| 专业： | 交通信息工程及控制 |
| 导师： | 胡启洲 |
| 授予学位： | 硕士 |
| 授予学位单位： | 南京理工大学 |
| 学位年度： | 2021 |
检索历史
应用推荐
