10.3969/j.issn.1006-2475.2022.05.018
面向消除通信时延的车辆轨迹多步预测方法
现阶段的车路协同测试环境下通常采用具有实时性特征的系统,为了解决车路协同测试的实时系统中容易出现通信时延问题,本文提出一种面向消除通信时延的车辆轨迹多步预测方法,通过构建LSTM神经网络模型,将高频采样序列进行拆分和重组后对其建立新的序列,并按照不同间隔的差分序列逐条输入,经过对各序列下轨迹点的单点预测,形成未来一段距离的车辆行驶轨迹,进而实现车辆轨迹的多步预测.实验结果表明,本文提出的多步轨迹预测方法能够消除93.94%的通信和系统时延,并且多步轨迹预测相比于单步轨迹预测在中远距离下的MSE增长率减少了7.47个百分点,具有很好的时延消除特性和误差控制能力.
通信时延、长短期记忆网络、轨迹预测、车路协同测试
TP391(计算技术、计算机技术)
国家重点研发计划2018YFB1600800
2022-06-17(万方平台首次上网日期,不代表论文的发表时间)
共5页
114-118