摘要
一种基于时空交互神经网络的车辆轨迹跟踪方法,包括:首先预处理传感器数据,将相对坐标转换为地理坐标,并进行聚类得到平均地理坐标点;其次将车辆观测值与跟踪器轨迹匹配,更新跟踪器轨迹记录;然后使用基于时空交互的预测模型对跟踪器的轨迹记录进行单步预测,等待下一轮车辆观测值的匹配;在训练阶段还要使用改进的深度匈牙利网络计算当前预测的跟踪精度,以调整预测模型的参数。本发明能够利用多个传感器的车辆坐标进行共同处理;在考虑车辆时间因素和空间因素的情况下对车辆位置进行预测;借助改进的深度匈牙利网络实现以跟踪精度为指标对预测模型进行端到端训练。