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。