用于车辆轨迹预测的时空胶囊神经网络
机器学习
2023-03-07 v1 计算机视觉与模式识别
摘要
随着车辆到一切（V2X）网络的发展，道路安全、能源消耗和交通效率可得到显著改善。准确的车辆轨迹预测有利于V2X网络实时应用中的通信流量管理与网络资源分配。近期研究报道了利用循环神经网络及其变体预测车辆移动性。然而，车辆运动行为的空间属性被忽视，导致信息利用不完整。为弥补这一不足，我们首次提出一种采用胶囊神经网络（CapsNet）的分层轨迹预测结构，包含三个顺序组件。首先，将地理信息转换为网格地图表示，从空间和时间上描述车辆移动分布。其次，CapsNet作为核心模型，通过分层胶囊嵌入局部时间与全局空间相关性。最后，在葡萄牙波尔图市和新加坡收集的实际出租车移动数据上进行的广泛实验表明，所提方法优于当前最先进的方法。
引用
@article{arxiv.2303.02880,
title = {Spatiotemporal Capsule Neural Network for Vehicle Trajectory Prediction},
author = {Yan Qin and Yong Liang Guan and Chau Yuen},
journal= {arXiv preprint arXiv:2303.02880},
year = {2023}
}
备注
IEEE TVT has accepted this paper