一种基于GWO-CNN-GRU-Attention的高速车辆轨迹预测方法

本发明属于智能汽车和计算机技术领域，具体涉及一种基于GWO‑CNN‑GRU‑Attention的高速车辆轨迹预测方法，包括以下步骤：S1、定义数据集中的轨迹点的起止时刻，作为训练模型数据集的输入；S2、将轨迹的轨迹点特征与车辆行为信息特征相结合；S3、采用CNN‑GRU‑Attention建立单独的车辆行为识别模型和车辆轨迹预测模型并分别进行训练；S4、通过灰狼优化算法对CNN‑GRU‑Attention模型进行参数优化；S5、将组合特征输入车辆轨迹预测模型，得到车辆的横向和纵向速度和坐标；S6、结合历史轨迹的最后一个轨迹点，使用加速度轨迹算法计算3s轨迹。本发明综合了CNN网络与GRU网络的优势，引入注意力机制强化关注能力，同时结合了GWO优化算法的快速求解效率，在保持较快模型训练速度的同时，具有较高的预测精度。