DeepTrack：用于高速公路车辆路径预测的轻量级深度学习
机器学习
2022-05-27 v2 机器人学
摘要
车辆轨迹预测对于实现用于管理与运营的安全关键智能交通系统（ITS）应用至关重要。尽管该领域已取得一些有前景的进展，但仍需要允许在嵌入式 IoT 设备上进行实时轨迹预测的现代化深度学习算法。本文提出 DeepTrack，一种为高速 incoming 交通在干线管理、高速公路管理、交通事件管理和施工区管理中的实时车辆轨迹预测与监测应用定制的新型深度学习算法。与以往方法不同，车辆动力学使用时间卷积网络（TCN）编码，以更少的计算提供更鲁棒的时间预测。DeepTrack 还使用深度可分离卷积，与现有方法相比在模型大小和操作方面降低了模型复杂度。总体而言，我们的实验结果表明，DeepTrack 达到了与最先进轨迹预测模型相当的准确性，但模型更小、计算复杂度更低，使其更适合实际部署。
引用
@article{arxiv.2108.00505,
title = {DeepTrack: Lightweight Deep Learning for Vehicle Path Prediction in Highways},
author = {Vinit Katariya and Mohammadreza Baharani and Nichole Morris and Omidreza Shoghli and Hamed Tabkhi},
journal= {arXiv preprint arXiv:2108.00505},
year = {2022}
}
备注
Published in IEEE Transactions on Intelligent Transportation Systems