基于深度学习的车辆驾驶轨迹分析方法

本发明公开一种基于深度学习的车辆驾驶轨迹分析方法。先通过多个道路摄像头采集交通视频数据并记录GNSS时间戳，利用预训练深度神经网络检测目标物，识别车辆、行人等类别并生成边界框，再用在线实时追踪算法获取目标物运动轨迹。接着，经摄像头标定模型将图像坐标转为全局三维坐标并关联时间戳存储。然后，从轨迹数据提取复杂交通场景变道行为特征，借助LSTM神经网络聚类分析，生成不同驾驶风格的驾驶员模型参数。最后，把这些参数集成到微观交通流仿真工具，生成动态场景用于自动驾驶系统虚拟验证。该方法有效弥补现有技术在复杂交通场景分析中的不足，能精准提取轨迹、深入分析驾驶行为，为自动驾驶系统提供可靠支撑，推动自动驾驶技术发展。