基于深度学习的车辆轨迹预测研究综述

摘要

车辆轨迹预测(VTP)是交通技术领域中的重要研究对象。传统VTP方法需要大量特征工程，且难以实时适应复杂变化的环境。深度学习(DL)通过多层神经网络实现高效数据表达，克服了传统方法的局限性。对基于DL的VTP方法进行了综述，探讨了其在VTP中的应用及性能表现。首先，回顾了传统VTP方法和基于DL的VTP方法，介绍了VTP主要考虑的问题和问题的表述；其次，分析并比较了各类VTP方案，包括输入数据、输出结果和预测方法；再次，介绍了常用的评估指标，比较了这些VTP方案的实验结果，分析了VTP的应用，并展示了DL在VTP中表现出的优异性能；最后，展望了VTP未来在数据集、建模和计算效率方面的研究方向，指出车辆交互协同建模、模型的泛化以及多模态融合将是未来的挑战和研究方向。

关键词

车辆轨迹预测 / 深度学习 / 序列网络 / 图神经网络 / 生成模型 / 网格方法