[發明專利]一種基于軌跡預測的城市動態車輛云構建方法及系統

在審

• 申請號: 202211286196.6
• 申請日: 2022-10-20
• 公開（公告）號: CN115631629A
• 公開（公告）日: 2023-01-20
• 發明（設計）人: 王曉偉;歐陽文杰;馬貴福;秦曉輝;謝國濤;徐彪;邊有鋼;秦洪懋;秦兆博;胡滿江;丁榮軍
• 申請（專利權）人: 湖南大學
• 主分類號: G08G1/01
• 分類號: G08G1/01;H04W4/40;G06N3/0442;G06N3/08;G06F18/23
• 代理公司: 長沙市融智專利事務所(普通合伙) 43114
• 代理人: 顏勇

1.一種基于軌跡預測的城市動態車輛云構建方法，其特征在于，包括以下步驟：

步驟1，聯合考慮車輛歷史行駛信息與未來交通燈相位信息，通過基于長短期記憶單元的編碼-解碼結構網絡進行城市交叉口的車輛軌跡預測；

步驟2，基于車輛軌跡預測結果，尋找軌跡近似車輛進行聚類，構建城市環境下的動態車輛云。

2.根據權利要求1所述的基于軌跡預測的城市動態車輛云構建方法，其特征在于，所述步驟1包括以下步驟：

步驟1.1對車輛歷史數據與未來數據進行預處理，未來數據中包含提前獲取的交通環境特征，車輛歷史數據為過去一定時間步的位置坐標、速度、車道以及與行駛車道對應的交通燈相位，未來數據為交通燈相位；對車輛歷史數據和未來數據進行編碼以及歸一化處理；對于每輛車的數據t∈T，將i-p到i時刻的位置坐標、速度、車道、交通燈相位數據提取出來作為i時刻的歷史數據，將i+1到i+k時刻的交通燈相位數據作為i時刻的未來數據；

步驟1.2構建基于長短期記憶單元的預測網絡模型；

步驟1.3采用數據集對構建基于長短期記憶單元預測網絡模型進行訓練，并保存訓練的模型。

3.根據權利要求2所述的基于軌跡預測的城市動態車輛云構建方法，其特征在于，所述步驟1.2中基于長短期記憶單元預測網絡模型采用編碼-解碼形式的序列到序列架構來作為預測網絡模型的基本框架，以LSTM單元作為編碼器與解碼器的基本單元來提取時間序列特征，編碼器的LSTM按時間序列順序讀取歷史數據，并將最后一個LSTM單元的隱狀態作為上下文，解碼器以上下文作為初始隱狀態，按時間序列順序讀取未來數據，并輸出對應時間步的解碼結果，解碼結果數據經過一層全連接層與一層輸出層，再使用Leaky ReLU作為激活函數進行激活，得到對應時間步的預測結果。

4.根據權利要求3所述的基于軌跡預測的城市動態車輛云構建方法，其特征在于，所述的長短期記憶單元通過輸入門、遺忘門、輸出門來控制自循環的權重，其表達式為：

i_t＝σ(U_ix_t+W_ih_t-1+b_i)

f_t＝σ(U_fx_t+W_fh_t-1+b_f)

o_t＝σ(U_ox_t+W_oh_t-1+b_o)

h_t＝o_t*tanh(C_t)

其中，是計算候選記憶單元，當前時刻需要存入到記憶單元的信息；i_t、f_t、o_t分別對應三種門控機制，輸入門i_t控制候選記憶單元存入多少信息到記憶單元中，遺忘門f_t控制歷史記憶單元保留多少信息到記憶單元中，輸出門o_t控制隱狀態保留多少信息；C_t、h_t分別為當前時刻的記憶單元與隱狀態。

5.根據權利要求3所述的基于軌跡預測的城市動態車輛云構建方法，其特征在于，所述預測網絡模型的損失函數為：

其中，k為預測時間步長，x_r，i、y_r，i分別為預測結果中第i個時間步的實際位置坐標，x_p，i、y_p，i分別為預測結果中第i個時間步的預測位置坐標。