买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:合肥工业大学
摘要:本发明涉及一种基于物理信息深度学习的车辆换道轨迹预测方法,包括如下步骤:S1:构建数据集,并将数据集划分为训练集、验证集和测试集,从训练集中提取观测状态和搭配状态Ij,并从验证集中提取观测状态S2:构建物理预测模型,并与Attention‑TCN模型组成物理信息深度学习模型,并进行训练,计算损失函数和验证集上的损失,并比较验证集上的损失与最优损失值以及损失函数之间的大小,来选择性对Attention‑TCN模型的参数和物理预测模型的参数进行更新;S3:利用训练后的物理信息深度学习模型进行测试实验,对比不同的换道轨迹预测模型的预测性能。通过将构建的物理预测模型与Attention‑TCN模型结合组成物理信息深度学习模型,提高了换道轨迹预测的可解释性和可描述性。
主权项:1.一种基于物理信息深度学习的车辆换道轨迹预测方法,其特征在于,其包括:如下步骤:S1:利用公开的轨迹数据集构建数据集,并将数据集划分为训练集、验证集和测试集,从训练集中提取观测状态和搭配状态Ij,并从验证集中提取观测状态S2:构建物理预测模型,并与Attention-TCN模型组成物理信息深度学习模型,并利用构建的数据集对所述物理信息深度学习模型进行训练,以得到训练后的物理信息深度学习模型,具体训练步骤如下:S21:初始化参数α、Nepoch和best_Loss;令epoch=Nepoch;其中,是Attention-TCN模型的参数,是物理预测模型的参数,α是权重参数,Nepoch是训练次数,best_Loss是最优的损失值;S22:令epoch=epoch-1;S23:将观测状态输入到Attention-TCN模型中得到对应的预测轨迹坐标将搭配状态Ij分别输入到Attention-TCN模型和物理预测模型中,分别得到对应的预测轨迹坐标和S24:计算损失函数S25:将验证集中的观测状态输入到Attention-TCN模型中得到对应的预测轨迹坐标值,并从验证集中提取与观测状态对应的观测轨迹坐标计算预测轨迹坐标值与观测轨迹坐标的均方误差,得到验证集上的损失Lossval;S26:判断验证集上的损失Lossval与损失函数以及Lossval与best_Loss之间的大小;若:且Lossval<best_Loss,则保存参数和并令否则,则对参数和进行更新;S27:若epoch0,则转到步骤S22;若epoch=0,则停止循环;S3:利用训练后的物理信息深度学习模型进行测试实验,对比不同的换道轨迹预测模型的预测性能。
全文数据:
权利要求:
百度查询: 合肥工业大学 一种基于物理信息深度学习的车辆换道轨迹预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。