Location trajectory prediction of mining vehicles based on depth learning
-
摘要: 矿用车辆轨迹预测对于煤矿井下交通系统智能化发展有重要作用，也是实现车辆自动驾驶技术的关键环节。在车辆轨迹预测方面，基于深度学习的方法比传统方法能更好地捕捉车辆轨迹的复杂规律，提高预测精度。介绍了物理机理、行为学习、深度学习在车辆轨迹预测方面的应用。采用对序列数据高度敏感的长短期记忆网络搭建预测模型，基于海量GPS车辆历史轨迹数据预测未来时刻车辆轨迹。通过数据清洗、轨迹压缩与分段、地图匹配等对矿卡轨迹数据进行预处理，将学习率设置为0.001,用Adam优化器训练预测模型，将预处理数据输入模型进行轨迹预测。结果表明，基于长短期记忆网络的矿用车辆定位轨迹预测模型具有较高的准确度。
-
-
[1] 李雪松, 张锲石, 宋呈群, 等.自动驾驶场景下的轨迹预测技术综述[J].计算机工程, 2023, 49(5):1-11. [2] 樊振宇.基于深度学习的自动驾驶汽车周边车辆轨迹预测方法研究[D].镇江:江苏大学, 2023. [3] 王孜健, 李心怡, 景峻, 等.高速公路跟车场景的碰撞时间改进方法及应用案例研究[J].科技与创新, 2023(11):123-125. [4] 贾硕.面向智能网联的驾驶行为识别与预测预警方法研究[D].西安:长安大学, 2023. [5] 王建.掘进机可视化远程控制系统的设计及试验研究[J].西部探矿工程, 2023, 35(11):162-164. [6] 李文枫.煤矿井下智能化高效掘进控制体系的构建与应用[J].内蒙古煤炭经济, 2023(11):127-129. [7] 李朋.面向控制安全冗余的智能车辆轨迹规划与跟踪研究[D].武汉:武汉理工大学, 2023. [8] 姚振鑫.基于深度学习的车辆跟踪与轨迹预测研究[D].上海:上海工程技术大学, 2023. [9] 章璐璐, 李思照.基于深度学习的智能体轨迹预测文献综述[J].无线电工程, 2023, 53(3):644-656. [10] 谢枫, 娄静涛, 赵凯, 等.基于行为识别和曲率约束的车辆轨迹预测方法研究[J].汽车工程, 2019, 41(9):1036-1042. [11] 胡灵.基于LSTM的自动驾驶车辆轨迹预测方法研究[D].桂林:桂林电子科技大学, 2022. [12] 李名城, 张博通, 陈溢铭, 等.卷积增强循环神经网络在文本分类中的应用[J].咸阳师范学院学报, 2021, 36(2):24-29. [13] 王丽, 涂冰花, 王伟, 等.长短期记忆循环神经网络在自动语音识别中的应用[J].单片机与嵌入式系统应用, 2023, 23(10):49-52. [14] 董于春.基于循环神经网络和可形变卷积的视频超分方法[D].上海:华东师范大学, 2022. [15] 季学武, 费聪, 何祥坤, 等.基于LSTM网络的驾驶意图识别及车辆轨迹预测[J].中国公路学报, 2019, 32(6):34-42. [16] 孙影, 王铁.基于时间序列的目标车辆轨迹预测算法[J].汽车实用技术, 2020(6):31-33. [17] 齐战硕, 高彦东.面向消除通信时延的车辆轨迹多步预测方法[J].计算机与现代化, 2022(5):114-118. [18] PARK S H, KIM B D, KANG C M, et al.Sequence-to-sequence prediction of vehicle trajectory via LSTM encoder-decoder architecture[C].IEEE Intelligent Vehicles Symposium, 2018.
[19] BOGAERTS T, MASEGOSA A D, ANGARITA-ZAPATA J S, et al.A graph CNN-LSTM neural network for short and long-term traffic forecasting based on trajectory data[J].Transportation Research Part C:Emerging Technologies, 2020, 112:62-77.
[20] 孙娅楠.梯度下降法在机器学习中的应用[D].成都:西南交通大学, 2018. [21] 叶美彤.非凸随机设定下两类RMSProp算法的收敛性[D].长春:东北师范大学, 2021. [22] 雷剑.基于Adam优化神经网络的电梯群控算法的研究[D].衡阳:南华大学, 2022.
计量
- 文章访问数: 6
- HTML全文浏览量: 9
- PDF下载量: 0
下载:
