一种基于CNN-LSTM-Attention神经网络的轨迹预测方法及系统

一种基于CNN‑LSTM‑Attention神经网络的轨迹预测方法及系统，属于机器学习和数据分析技术领域，解决IMU数据本身存在噪声和累积误差，从而导致轨迹预测的精度和可靠性降低的问题。方法包括：收集传感器数据，进行预处理，并划分为训练集和测试集，并对输入特征和目标输出进行标准化处理；构建混合神经网络架构，设定所述混合神经网络架构中各层的结构与参数，定义损失函数与优化器；采用训练集数据对所述混合神经网络架构进行训练，采用反向传播算法优化模型参数；计算预测轨迹与真实轨迹之间的误差指标，根据误差指标评估混合神经网络架构的预测性能；选择预测性能最佳的神经网络进行实时轨迹预测。本发明适用于智能交通系统、无人驾驶、路线规划等应用场景。