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：长安大学

摘要：本发明提供基于随机森林和改进的Informer模型的车辆换道轨迹预测方法，涉及交通车辆轨迹预测技术领域，包括如下的步骤：基于车载传感器和公开的自然驾驶数据集，采集车辆行车信息；对车辆行车信息进行预处理得到预处理车辆行车信息；对预处理车辆行车信息采用随机森林算法构建数据集；根据车辆数据的特点以及车辆换道轨迹预测需求通过训练模型预测车辆换道轨迹。本发明增加训练数据的丰富性，提高模型的泛化能力，采用属性随机选择技术避免了其他属性对于分类效果的影响，提高模型的鲁棒性，降低了发生过拟合的风险，降低模型运行的时间和资源消耗。

主权项：1.基于随机森林和改进的Informer模型的车辆换道轨迹预测方法，其特征在于，包括如下的步骤：基于车载传感器和公开的自然驾驶数据集，采集车辆行车信息；对车辆行车信息进行预处理得到预处理车辆行车信息；对预处理车辆行车信息采用随机森林算法构建数据集；根据车辆数据的特点以及车辆换道轨迹预测需求建立训练模型并预测车辆换道轨迹；所述根据车辆数据的特点以及车辆换道轨迹预测需求通过训练模型预测车辆换道轨迹，具体包括：步骤1，根据车辆数据的特点以及车辆换道轨迹预测需求，设置模型的超参数；其中，模型的超参数包括输入序列长度seq_len，预测序列长度pred_len，模型迭代次数Epochs，批处理样本数batch_size，学习率learning_rate，损失函数Dropout；步骤2，生成编码器，从训练集中取出Batch_size大小的数据输入编码器嵌入层进行位置信息编码，加入局部局部时间戳和全局时间戳后映射成为d_model长度的向量；步骤3，编码器利用改进的自注意力机制捕捉输入数据与序列数据的全局信息，并通过加入高斯偏置捕捉输入数据与邻近数据的局部上下文信息，通过编码器层的堆叠确定捕捉依赖关系；步骤4，生成解码器，解码器与生成器采用相同的结构，输入序列在经过一个self-attention层后与生成器的输出在encoder-decoder层再进行一次attention计算，最终通过一个全连接层，得到最后的输出，通过输出与真实值计算损失函数；步骤5，重复步骤2、3和4，模型迭代并通过损失函数计算得到损失值，直至损失函数值收敛至较小的稳定值，改进的Informer模型收敛，训练终止，并根据训练好的模型，进行车辆的换道轨迹预测。

全文数据：

权利要求：

百度查询： 长安大学 基于随机森林和改进的Informer模型的车辆换道轨迹预测方法