基于图卷积与膨胀时间卷积改进Transformer网络的车辆轨迹预测方法

本发明公开一种基于图卷积与膨胀时间卷积改进Transformer网络的车辆轨迹预测方法。针对传统数据预处理过程中时空特征表达能力不足的问题，设计动态邻接矩阵生成机制，结合图卷积网络(GCN)提取邻接关系特征，强化空间信息建模；针对长序列依赖建模的挑战，构建膨胀时间卷积网络(DTCN)提取多尺度时间特征；结合卷积块注意力模块(CBAM)与多头注意力机制，构建时空Transformer模块以提取关键的时空显著性特征；通过特征融合模块整合空间与时间编码，进一步利用多层Transformer对融合特征进行再编码，生成最终预测结果。本发明通过动态邻接矩阵生成机制，联合空间和时间特征的建模，多层次特征提取与融合，结合注意力机制，有利于提升车辆轨迹预测的准确性。