[發(fā)明專利]一種基于深度神經(jīng)網(wǎng)絡的車輛軌跡預測方法有效
| 申請?zhí)枺?/td> | 201810947323.X | 申請日: | 2018-08-20 |
| 公開(公告)號: | CN109272745B | 公開(公告)日: | 2020-10-27 |
| 發(fā)明(設計)人: | 黃亮;馮旭;馮安琪;黃玉蘋;錢麗萍;吳遠 | 申請(專利權(quán))人: | 浙江工業(yè)大學 |
| 主分類號: | G08G1/01 | 分類號: | G08G1/01;G08G1/052;G06N3/06;G06N3/08 |
| 代理公司: | 杭州斯可睿專利事務所有限公司 33241 | 代理人: | 王利強 |
| 地址: | 310014 浙江省*** | 國省代碼: | 浙江;33 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 一種 基于 深度 神經(jīng)網(wǎng)絡 車輛 軌跡 預測 方法 | ||
一種基于深度神經(jīng)網(wǎng)絡的車輛軌跡預測方法,包括以下步驟:首先,在智能網(wǎng)聯(lián)交通系統(tǒng)中,通過DSRC技術(shù)自動識別行駛的車輛并獲取相關(guān)數(shù)據(jù),實現(xiàn)車載系統(tǒng)與路邊單元的信息交互;其次,針對采集的相關(guān)信息,首先通過量化公式對路邊單元與車載系統(tǒng)的方位角進行量化,其次通過自回歸滑動平均法對加速度進行預測,最后利用深度神經(jīng)網(wǎng)絡進行軌跡預測;最后,將處理好的信息通過光纜傳送給另外3個路邊單元,以便于下一次與車載系統(tǒng)的信息交互。本發(fā)明提供了一種在智能網(wǎng)聯(lián)交通系統(tǒng)下基于深度神經(jīng)網(wǎng)絡的車輛軌跡預測方法。
技術(shù)領域
本發(fā)明屬于交通領域,尤其是涉及智能網(wǎng)聯(lián)交通系統(tǒng)下的一種基于深度神經(jīng)網(wǎng)絡的車輛軌跡預測方法。
背景技術(shù)
中國作為世界上人口最多的國家,改革開放以來,隨著我國經(jīng)濟的快速發(fā)展,人民生活水平的日益提高,私家車開始進入各家各戶,很好的方便了家人的出行。但車輛的普及和大眾化也使得城市交通環(huán)境日益惡化,出現(xiàn)了車流不均衡、交通擁擠、車尾碰撞、側(cè)方碰撞等交通現(xiàn)象。伴隨著基礎設施薄弱和交通網(wǎng)絡擁堵,道路交通事故的數(shù)量日益增加,高交通事故發(fā)生率正在向全社會拉響警報,因此道路交通安全受到極大的關(guān)注。近年來,雖然我國對道路基礎設施以及交通網(wǎng)絡進行了很大的改善,使得交通事故數(shù)量和傷亡人數(shù)有所減少,但事故總數(shù)和發(fā)生率仍然很高。
與傳統(tǒng)的道路交通系統(tǒng)相比,智能網(wǎng)聯(lián)交通系統(tǒng)更加趨向于由“人”、“路”、“車”以及公路交通設施等進行信息交互的動態(tài)系統(tǒng)。根據(jù)各國大量的統(tǒng)計研究后發(fā)現(xiàn),駕駛?cè)说氖д`是導致交通事故的主要因素。因此,在當前道路基礎設施已經(jīng)不能再完善的情況下,獲取道路其他車道車輛的狀態(tài)信息并加工處理廣播給當前車輛的工作刻不容緩,這使得駕駛員能更好的采取相應的補救措施,減小駕駛員因失誤導致的交通事故。
發(fā)明內(nèi)容
為了克服現(xiàn)有道路交通系統(tǒng)的安全性較低、交通事故發(fā)生概率較高的不足,本發(fā)明提供了一種在智能網(wǎng)聯(lián)交通系統(tǒng)下基于深度神經(jīng)網(wǎng)絡的車輛軌跡預測方法。
本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是:
一種基于深度神經(jīng)網(wǎng)絡的車輛軌跡預測方法,所述預測方法包括如下步驟:
1)在智能網(wǎng)聯(lián)交通系統(tǒng)中,通過DSRC技術(shù)自動識別行駛的車輛并獲取相關(guān)數(shù)據(jù),實現(xiàn)車載系統(tǒng)與路邊單元的信息交互,其中,信息交互的步驟如下:
步驟1.1:當行駛車輛進入定向天線所覆蓋的范圍內(nèi)時,車載系統(tǒng)會與路邊單元通過DSRC技術(shù)實現(xiàn)雙向通信,使得雙方能同時發(fā)送自身存儲單元上的信息,其中,車載系統(tǒng)發(fā)送的信息包括車輛的當前速度、當前位置和時間戳,路邊單元發(fā)送的信息包括其他車道上車輛的預測速度、位于哪個方向上、幾車道和加速度;
步驟1.2:路邊單元將獲取到的車輛信息發(fā)送到邊緣云服務器進行運算操作;
2)邊緣云服務器根據(jù)路邊單元與車載系統(tǒng)之間的方位差,進行方位角計算并做相應的量化處理,針對位置信息對車輛行駛方向進行量化,其中,量化過程為:
步驟2.1:將位置信息轉(zhuǎn)換成以視角存在的數(shù)字信息。其中,車輛在t-1時刻路邊單元與車載系統(tǒng)之間的方位角定義為:
在此,各參數(shù)定義如下:
:在t-1時刻路邊單元與車載系統(tǒng)之間的方位角;
θt-1:將t-1時刻的車輛位置轉(zhuǎn)化為方位角的反三角函數(shù);
σt-1:在t-1時刻由信號反射引起的誤差噪聲;
(xt-1,yt-1):在t-1時刻車輛的當前位置;
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于浙江工業(yè)大學,未經(jīng)浙江工業(yè)大學許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201810947323.X/2.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 硬件神經(jīng)網(wǎng)絡轉(zhuǎn)換方法、計算裝置、軟硬件協(xié)作系統(tǒng)
- 生成較大神經(jīng)網(wǎng)絡
- 神經(jīng)網(wǎng)絡的生成方法、生成裝置和電子設備
- 一種舌診方法、裝置、計算設備及計算機存儲介質(zhì)
- 學習神經(jīng)網(wǎng)絡結(jié)構(gòu)
- 脈沖神經(jīng)網(wǎng)絡轉(zhuǎn)換方法及相關(guān)轉(zhuǎn)換芯片
- 圖像處理方法、裝置、可讀存儲介質(zhì)和計算機設備
- 一種適應目標數(shù)據(jù)集的網(wǎng)絡模型微調(diào)方法、系統(tǒng)、終端和存儲介質(zhì)
- 用于重構(gòu)人工神經(jīng)網(wǎng)絡的處理器及其操作方法、電氣設備
- 一種圖像神經(jīng)網(wǎng)絡結(jié)構(gòu)的優(yōu)化方法及裝置





