基于编码器-解码器神经网络的车载轨迹预测与校正方法

本发明属于智能交通系统技术领域，涉及基于编码器‑解码器神经网络的车载轨迹预测与校正方法，包括：1：数据预处理，将不同长度的轨迹数据转换为等长度的数据；2：深度编码器‑解码器网络构建，扩展深度编码器‑解码器网络结构，引入注意力机制进行语义识别，通过多参数对比实验确定最优网络结构；3：轨迹校正，使用深度神经网络对深度编码器‑解码器网络结构的预测结果进行校正；4：模型级联验证，将深度编码器‑解码器网络和深度神经网络级联，构建车载轨迹预测与校正模型，通过级联实验验证模型的整体性能；本发明具有预测精度高、长期预测能力强、多场景适应性强、校正效果好和实时性强等优势。