基于改进极限学习机和深度神经网络融合的车辆轨迹长期预测

• 作者: 谭紫阳 邓宇 高忠文
• 来源期刊: 汽车技术
• 学科: 交通运输
• 关键词: 智能车辆 轨迹预测 深度神经网络 极限学习机
• 年，卷（期）: 2020,（11）
• 页码范围: 16-20
• 页数: 5页
• 分类号: U461.99
• 语种: 中文
• DOI: 10.19620/j.cnki.1000-3703.20191396

摘要

针对轨迹预测中基于物理的运动模型长期预测(超过1s)不可靠、深度学习预测模型易产生梯度消失或梯度爆炸的问题,提出了一种将改进极限学习机(ELM)和深度神经网络进行信息融合的预测模型.改进的极限学习机以模拟退火粒子群优化(SAPSO)算法为基础,改进的深度神经网络使用修正线性单元(ReLU)函数替换激活函数,并使用均方根反向传播(RMSProp)算法来优化深度神经网络,试验结果表明,提出的预测算法具有较高的预测精度.