轨迹预测

摘要： 边缘计算赋能车联网可以实现车载服务低时延和高计算量等性能需求,然而车辆的行驶具有随机性且分布不均匀,造成边缘服务器的负载不均衡以及边缘资源利用率低等问题。因此,通过基于改进的车辆轨迹预测及车流量统计方法的边缘资源配置算法得出边缘服务器的负载预测值,在尽可能减少资源空闲的前提下计算出最优边缘资源数量。实验证明,应用基于车辆轨迹的边缘资源配置算法使车辆的边缘资源请求的成功率提高至95%以上。

摘要： 在水下无线传感器网络的应用中,如果传感器节点的位置未知,传感器节点所感知的信息便失去了意义,节点定位和轨迹预测是水下传感器网络研究的关键技术。阐述了水下传感器网络节点定位与轨迹预测技术,在简介水声通信特点的基础上,分类介绍了较为经典的水下节点定位算法和轨迹预测技术,并对人工智能相关的定位算法进行了阐述,随后对这些算法进行了对比和分析。最后,展望了水下传感器网络节点定位和轨迹预测技术的研究前景与发展趋势。

摘要： 人类驾驶者会持续观察、分析周边车辆和行人的行为,实时地规划安全的行车轨迹。自动驾驶汽车也应当与人类一样具备感知和预测交通参与者行为的能力,以提前判断其未来的运动轨迹。轨迹预测模块的预测准确度至关重要,因为其接受感知系统提供的输入信息,并作为路径规划等决策任务的上游输入,使其成为自动驾驶技术中承上启下的重要中间环节。随着近年来数据科学和传感器领域的长足发展,大量关注行人、车辆等多样化交通参与者的大型数据集得以建立,使得轨迹预测问题的解决方案从传统的动力学模型过渡到深度学习模型成为可能。基于此,介绍行人、车辆轨迹预测算法的发展历程和重要论文的解决方案,并总结该领域形成共识的几种思路,展望最新的研究趋势。

摘要： 针对高超声速滑翔飞行器(Hypersonic glide vehicle,HGV)机动性强、轨迹预测困难的问题,选取气动加速度作为预测参数,提出了一种基于集合经验模态分解和注意力长短时记忆网络的HGV轨迹智能预测方法。首先,以HGV六自由度运动方程为基础,分析了其机动特性和气动力变化规律,建立了动力学跟踪模型,对气动加速度进行实时估计;其次,利用集合经验模态分解对估计的气动加速度进行分解和重构,减弱噪声影响,避免对预测模型的干扰;最后,利用去噪后的气动加速度数据对注意力长短时记忆网络进行训练,进而预测未来气动加速度数据并重构HGV未来轨迹,实现轨迹的在线预测。实验仿真表明,该方法能有效预测HGV机动轨迹,预测精度高、稳定性好。

摘要： 换道作为车辆的基本驾驶行为之一,相较于跟驰行为,换道过程更具复杂性,对道路上车辆的运行安全有着至关重要的影响。为了对车辆换道轨迹进行准确预测,满足自动驾驶条件下车辆换道的安全性与合理性,本文选定五次多项式为换道轨迹预测基础模型,构建效益函数和选取约束条件,应用MATLAB中的fmincon优化工具箱,使用二次序列优化算法对模型参数进行寻优求解。对比换道预测轨迹与实际轨迹,对模型的有效性进行验证,结果表明预测轨迹的横向位移绝对误差集中在−0.3 m~0.3 m之间,偏转角速度波动峰值均小于2˚/s,加速度维持在0~2 m/s2的范围内,满足轨迹合理性、换道舒适性和平稳性。

摘要： 内河航运是现代综合运输体系的重要组成部分,实时和高精度的船舶轨迹预测方法能够有效规避水上交通事故、增强船舶自动化与智能化监管能力。针对现有内河船舶轨迹预测方法精度不高的问题,以提高船舶轨迹短期预测精度为目标,综合使用待测船舶近期船舶自动识别系统(AIS)数据和历史AIS数据,基于轨迹与航速和航向间的内在联系以及内河航道特点,构建了面向航速和航向预测的时域卷积网络模型、船舶轨迹动力学方程模型、自适应双隐层径向基函数网络等模型,提出了基于多模型融合的船舶轨迹预测方法。实验结果表明,所提方法轨迹预测精度有明显提高,并能满足实时性要求。

摘要： 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。

摘要： 行人轨迹预测对智慧城市建设、公共危机管理具有重要意义.复杂场景中的行人轨迹不仅包含行人个体运动时序性特征,还包含行人与周围其他运动实体之间的交互性特征.如何根据场景变化,对这种时序性和交互性特征进行深度刻画并进行轨迹预测,是复杂场景行人轨迹预测的关键问题.本文采用多头注意力机制和对抗生成方法,提出一种基于多头注意力机制的生成对抗网络模型(Multi-head Attention Generative Adversarial Model,MAGAM),对复杂场景下多行人轨迹进行建模.论文首先通过多头注意力机制融合行人的相对位移信息,从不同方面学习轨迹特征空间中各子空间特征的权重信息,实现对行人之间相互影响的交互性轨迹特征刻画;然后采用对抗生成机制和多轨迹生成策略,实现对复杂场景下不同个体移动轨迹的生成与预测.最后,本文在两个公开的数据集(ETH和UCY)进行了实验验证.实验结果表明,在ADE、FDE和AnlDE三个指标上,本文提出的MAGAM模型比基准模型误差平均降低了26.90%、21.02%和24.06%.本文对模型的预测结果进行可视化分析,直观展示了本论文模型的合理性.

摘要： 由于三维轨迹是一个具有连续性和交互性的复杂时间序列,因此,针对无人机飞行轨迹预测问题,结合深度学习理论特点,提出了一种基于双向门控循环单元的无人机飞行轨迹预测方法,进一步提高了轨迹信息的利用率。首先,建立无人机飞行动力模型,仿真获得不同状态的飞行轨迹样本;其次,利用均方误差作为损失函数,确定了双向门控循环单元轨迹预测模型的隐藏层节点参数和迭代次数;最后,利用Adamax算法对双向门控循环单元模型进行优化,实现了无人机飞行轨迹的预测。实验结果表明,双向门控循环单元模型在X,Y,Z轴方向上预测结果的平均绝对误差均在5.0 m内,且轨迹预测平均用时约4.2 ms,与循环神经网络、门控循环单元相比,其预测效果更佳,具有良好的应用价值。

摘要： 针对临近空间高超声速飞行器的探测需求,本文提出一种反高超声速目标跟踪制导雷达系统设计方案,并对系统中涉及的关键技术和相应瓶颈问题进行梳理,针对凝视探测、长时间积累、高速机动目标跟踪、高速机动目标轨迹预测等,本文基于子阵级数字波束形成、Keystone变换、交互多模型滤波、以及状态滤波结合知识辅助方法给出工程上的解决方案。

摘要： 本文对飞行管理系统中垂直剖面的轨迹预测和导引算法给出了详细的介绍,包括爬升段、巡航段、下降段及各阶段之间转换的轨迹预测算法,各个飞行阶段的自动转换及导引指令,各控制模态的调用逻辑,最后给出了与自动驾驶仪调试后飞机实际的垂直剖面曲线与轨迹预测曲线的对比结果.

摘要： 移动对象的轨迹预测研究已成为当前移动对象研究中关注的热点，移动对象的轨迹预测技术具有高度的研究价值及广阔的应用前景。目前移动对象的轨迹预测方法主要是针对历史轨迹确定的欧式空间轨迹预测，但有相当大一部分的应用要求预测历史轨迹存在不确定性的移动对象在受限路网中的轨迹。为了解决这一问题，本文首先提出了不确定性轨迹的生成方法及其表示形式，然后提出了一种基于路网的不确定性轨迹频繁模式挖掘算法，再给出了利用索引快速查找轨迹模式，并进行预测的方法。实验结果表明本文提出的方法具有较高的预测准确率、较好的查询效率以及较低的存储空间。

摘要： 借助于北斗导航系统提供的高精度定位服务,驾校教练机器人摆脱了传统的人工教学,以基础教学,智能评判,机器人教学和安全防护等功能实现自主培训.由于传统的智能评判不具有预测性和智能性,提出了车辆轨迹预测新方法.该方法结合高精地图和数字化车辆模型,实现提前预测评判结果并智能提醒驾驶人及时调整方向盘角度调整车身位置,确保驾驶人顺利通过考试.实测表明,该方法提高了机器人教学与评判的预测性和智能性,具有广泛的实际应用价值.

摘要： 针对塔式起重机相关作业安全生产现状,提出一种通过预测现场作业人员定位,以及时预警,从而控制事故后果的方法.通过实验获取人员历史移动信息并根据作业人员移动行为特点建立轨迹预测模型;将历史移动信息经过一定处理以后作为训练样本开展预测模型的训练,接着通过仿真比选,获取了实现三步预测的最优轨迹预测模型.最后依托于轨迹预测模型,提出了一种塔式起重机作业现场工作人员安全状态预警机制.

摘要： 空天目标由于高速和复杂的结构特征导致其识别和持续跟踪困难,尤其是上升段飞行轨迹.本文就空天目标特征,分析其预警卫星和雷达的探测属性,以此提出目标上升段的预测和跟踪算法,从而为空天目标综合识别提供一定的参考.

摘要： 本文以GPS数据为基础,研究并实现了校园时空情境查询系统Areaware.系统采用正向最大匹配式中文分词算法进行查询处理,实现用户的简单中文语句查询功能.根据数据特点和查询需求,提出了一种新型的管理小型区域内大规模GPS数据的索引方案,即SUB索引方案(Status-Unit Based Indexing Scheme),实现高效的数据插入、查询操作.Areaware系统提供对人群、时间、地点、路径查询,并以指定人群相应的频繁路径图(Frequently Path Graph)为根据,提供轨迹预测服务.

摘要： 本文提出了一种基于SIFT算子的动态目标跟踪的改进方法，这种跟踪方法利用SIFT算子的尺度不变性能够适应光照变化、遮挡以及目标缩放的情况，而且速度也有很大提高。首先讲述了SIFT算法的实现步骤，并分析了SIFT算法计算量过大的原因；然后针对SIFT算法的大运算量对其参数进行了优化，并提出了一种基于轨迹预测的跟踪方式，这种跟踪方式与SIFT算法相结合对含有目标的局部图像进行跟踪；最后用实际图像对跟踪算法进行了验证。

摘要： 对于具有低升阻比特性的载人再入飞船,若要求其在执行探月返回再入任务时实现长的飞行纵程,唯一可行的办法是采用跳跃式再入飞行,因而再入制导系统必须具有提供精确跳跃再入轨迹的能力。本文首先讨论了现有的阿波罗(Apollo)跳跃式再入制导算法在满足再入精度方面的不足。然后针对当前任务的严格需求提出一种新的预测-矫正跳跃式再入轨迹规划和制导算法,该算法的核心内容包括倾侧角剖面的参数化和轨迹预测-矫正问题的数值求解.与阿波罗跳跃段轨迹生成算法不同,新方法无需依赖任何近似计算或经验方程,因而能够极大提高算法求解的精度.此外,该方法能够根据实际再入飞行条件,自适应的决定是否采用跳跃式再入.MonteCarlo仿真结果表明新方法较阿波罗制导方法具有更广的适应性、更好的性能和鲁棒性.

摘要： 对移动物体的有效预测可以帮助成功的移动控制，本文中粒子滤波器被用于预测机器人的位置和速度并在实物实验中验证了效果。

摘要： 在深空目标跟踪过程中,大量的星体会从视场中穿过,造成很强的干扰,严重影响系统跟踪的正确性和稳定性,大大降低系统的跟踪精度。同时,由于光测设备受外界环境制约很大,目标很容易受到云层的遮挡,瞬间丢失目标会使系统无法继续进行测量。本文提出了一种利用视场扩张原理对目标轨迹进行预测的方法,经实际验证,该算法能够有效地解决目标被遮挡或干扰问题,大大增强系统跟踪的鲁棒性。

摘要： 本发明实施例公开了一种车辆轨迹预测方法、车辆预测轨迹分析方法、装置及车辆。该方法包括：获取车辆历史位置点集以及当前车速；若车辆历史位置点集与当前车速满足预设轨迹预测条件，则根据车辆历史位置点集构建初始预测轨迹圆；根据车辆当前位置点与车辆历史位置点集更新初始预测轨迹圆，并根据更新后的初始预测轨迹圆确定车辆预测轨迹。本发明实施例的技术方案，通过车辆当前所处位置对根据历史位置点确定出的车辆预测轨迹进行调整，充分考虑当前时刻车辆位置对车辆轨迹预测的影响，及时调整车辆预测轨迹的偏移。解决了仅依赖车辆历史位置点进行轨迹预测时预测轨迹出现偏移的问题，提升了车辆轨迹预测的精确度和准确性。

摘要： 本发明提供了一种轨迹预测模型构建方法及轨迹预测方法、装置，该轨迹预测模型包括：依次连接的全连接层、有向图卷积层、卷积层和二元高斯分布函数，该轨迹预测模型构建方法包括：获取目标场景中所有移动对象的视野图拓扑、方向图拓扑及历史移动轨迹；通过全连接层将视野图拓扑和方向图拓扑进行融合生成动态有向图拓扑；基于不同历史时刻的历史移动轨迹和动态有向图拓扑通过有向图卷积层和卷积层对二元高斯分布函数的各个参数进行训练，得到训练好的轨迹预测模型。从而通过动态有向图进行融合高效地表达移动对象间的非对称交互，提高了轨迹预测模型的性能，提高预测结果的准确性，并且无需使用额外的图片信息，计算效率较高，降低软硬件采购成本。

摘要： 本发明公开了一种车辆轨迹预测模型构建方法、车辆轨迹预测方法及系统。所公开的方案包括采用嵌入向量表示城市区域中的路段信息，分别对车辆的轨迹信息和目的地信息进行编码，以便能够将数目众多的道路信息送入深度神经网络中，然后分别将轨迹信息和目的地信息的嵌入表达送入长短期记忆网络生成包含所有已知轨迹信息的长向量，利用多任务学习中的参数软共享方式将历史轨迹信息与目的地信息进行融合，通过全连接层进行解析与特征提取，进行轨迹预测。本发明采用多任务学习的方式，充分利用了已知轨迹信息与目的地信息，能有效提升轨迹预测的准确性。

摘要： 本发明实施例公开了轨迹预测模型训练以及轨迹预测方法、装置、设备及介质。该方法包括：通过轨迹预测模型，对样本车辆的历史轨迹数据和所述样本车辆的周围车辆的历史轨迹数据进行处理，得到所述样本车辆的预测轨迹数据和所述样本车辆的预测驾驶行为数据；根据所述样本车辆的预测轨迹数据、所述样本车辆的真实轨迹数据以及所述样本车辆的预测驾驶行为数据，确定损失函数；根据所述损失函数，对所述轨迹预测模型进行训练。通过本发明实施例提供的技术方案，训练的轨迹预测模型准确性更高，进而实现基于该轨迹预测模型对自动驾驶车辆进行更精准的轨迹预测。

摘要： 本公开提供了一种轨迹预测方法、轨迹预测模型的训练方法及装置，涉及计算机技术领域，尤其涉及智能交通、人工智能、深度学习技术领域。实现方案为：获取车辆的行驶轨迹数据，所述行驶轨迹数据包括多个轨迹点各自的位置信息；基于所述多个轨迹点各自的位置信息，确定所述行驶轨迹数据对应的道路数据；以及基于所述行驶轨迹数据和所述道路数据，确定所述车辆的预测轨迹数据，所述预测轨迹数据包括至少一个预测轨迹点各自的位置信息。

摘要： 本公开是关于一种轨迹预测方法、装置及存储介质。轨迹预测方法包括：获取地图图像，地图图像中包括车道中心线，车道中心线上具有等间距设置的若干个节点，每一节点具有距离特征，节点的距离特征中融合有与节点具有不同距离的其他车道中心线节点的距离特征；基于车辆在地图图像中的位置，确定与车辆位置最近的车道中心线节点，作为目标节点；将目标节点的距离特征与车辆的历史轨迹特征进行向量合并，得到轨迹预测向量；基于轨迹预测向量，预测车辆在地图图像中的行驶轨迹。通过本公开实施例，将距离特征与车辆历史轨迹合并得到轨迹预测向量，以基于轨迹预测向量预测车辆行驶轨迹，能够保留地图图像中车道线的拓扑结构，提高轨迹预测的准确性。

摘要： 本发明实施例涉及计算机技术领域，尤其涉及一种轨迹预测系统训练方法，该方法包括：获取真实的人群轨迹图、人群对应的区域模型文件，以及人群对应的人群参数，解析区域模型文件，获取区域模型文件中的各个构件及对应的风险分数，通过对不同构件风险的计算，可以方便后续对区域风险水平的确定，基于各个构件对应的风险分数，确定区域风险水平，利用人群参数、区域风险水平，以及真实人群轨迹图对预构建的生成模型和判别模型进行对抗训练，当对抗训练达到预设条件时，确定生成模型和判别模型构建的系统为目标人群轨迹预测系统。这样，通过对抗训练获得整个人群轨迹预测系统，就可以输出更加真实的人群轨迹预测结果。

摘要： 本发明提供一种轨迹预测方法、轨迹预测装置和电子设备，涉及人工智能技术领域。该方法包括：获取目标场景中各检测对象的历史轨迹信息；基于所述历史轨迹信息确定所述检测对象的预测轨迹点，并获取由所述预测轨迹点构成的预测轨迹信息；确定所述目标场景中各所述检测对象之间的交互特征，基于所述交互特征与所述预测轨迹信息，确定各所述检测对象的未来轨迹信息。本发明能够提高轨迹的预测准确性。

摘要： 公开了一种轨迹预测方法、用于轨迹预测的神经网络训练方法及装置，该方法包括：根据至少两帧输入图像，获取所述输入图像中至少一辆车辆对应的第一轨迹特征序列；获取所述第一轨迹特征序列对应的先验指示信息；根据所述第一轨迹特征序列和所述先验指示信息，预测所述至少一辆车辆对应的第二轨迹特征序列。本公开提供的技术方案因引入对驾驶行为存在影响的先验指示信息，使得预测出的车辆驾驶轨迹的准确性较高。

摘要： 本发明提供了一种轨迹预测模型构建方法及轨迹预测方法、装置，该轨迹预测模型包括：依次连接的全连接层、有向图卷积层、卷积层和二元高斯分布函数，该轨迹预测模型构建方法包括：获取目标场景中所有移动对象的视野图拓扑、方向图拓扑及历史移动轨迹；通过全连接层将视野图拓扑和方向图拓扑进行融合生成动态有向图拓扑；基于不同历史时刻的历史移动轨迹和动态有向图拓扑通过有向图卷积层和卷积层对二元高斯分布函数的各个参数进行训练，得到训练好的轨迹预测模型。从而通过动态有向图进行融合高效地表达移动对象间的非对称交互，提高了轨迹预测模型的性能，提高预测结果的准确性，并且无需使用额外的图片信息，计算效率较高，降低软硬件采购成本。