Print

基于LSTM的智能车变道预测研究

论文摘要

文章基于循环神经网络RNN（Recurrent Neural Network）和长短时记忆网络LSTM（Long-Short Term Memory）的理论研究,提出了一种基于LSTM的智能车变道行为预测模型。首先,搭建LSTM网络模型框架;然后根据人类驾驶场景对真实数据集NGSIM（Next Generation Simulation）进行特征选择与数据提取。最后使用长短时记忆网络（LSTM）模型进行训练,测试车辆变道预测结果,并将结果与利用RNN模型预测的结果进行比较,验证了本文方法的有效性。

论文目录

  • 0 引言
  • 1 长短时记忆网络LSTM
  •   1.1 RNN模型介绍
  •   1.2 LSTM
  • 2 NGSIM数据集分析与预处理
  • 3 实验结果
  • 4 结语

    • 文章来源

    类型: 期刊论文

    作者: 伍淑莉,尹慧琳,王杰,王亚伟

    关键词: 变道预测,智能车

    来源: 信息通信 2019年05期

    年度: 2019

    分类: 信息科技,工程科技Ⅱ辑

    专业: 汽车工业,自动化技术

    单位: 同济大学中德学院

    分类号: TP183;U463.6

    页码: 7-11

    总页数: 5

    文件大小: 740K

    下载量: 216

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/20efa586b8e157333a11636f.html