基于虚拟车道与异构社交图网络的无地图车辆轨迹预测方法

本发明公开了一种基于虚拟车道与异构社交图网络的无地图车辆轨迹预测方法。该方法首先获取车辆历史轨迹数据，通过单层LSTM编码时序特征；其次采用HDBSCAN算法聚类生成虚拟车道中心线，利用双向LSTM编码车道特征；然后构建包含车辆节点和虚拟车道节点的异构图，通过图卷积网络实现信息传递与特征更新；接着引入多头自注意力模块捕捉车辆交互特性；最后融合车道信息预测未来轨迹。本发明突破了传统方法对高精地图的依赖，通过动态生成虚拟车道和深度融合道路结构信息，显著提升了无地图条件下的轨迹预测精度和鲁棒性，适用于智能交通和自动驾驶领域。该方法具有计算效率高、适应性强的特点，在复杂交通场景中表现出优越性能。