Attention-LSTM-Transformer跟驰模型

该模型通过车辆分类和跟驰状态嵌入实现混合交通流中高精度速度预测与异常检测。

Zheng, Yuan · Chenyi, Xie · 李深 · Lei, Da · 姚志洪 · Liu, Qingchao · Xu, Linghui · Bin, Ran

IEEE Internet of Things Journal 2025

参数信息

车辆分类准确率

95.57 %

速度预测误差降低比例

6.8 %

恒定速度偏移检测准确率

99 %

小幅瞬时速度异常检出率

90 %

技术优势

预测更准

考虑车辆类别标签的速度预测模型在所有预测范围内将误差降低6.8%以上。

异常检测强

跟驰速度异常检测器对恒定速度偏移达到超过99%的准确率，并对小幅瞬时速度异常有近90%的检出率。

应用场景

• 毫米波通信：增强车联网通信中运动预测能力，优化波束对准。
• 物联网与传感网：提升交通传感数据的实时分析精度，改善交通流管理。
• 先进机器人：为自主移动机器人提供更准确的动态障碍物轨迹预测。
• 工业机器人：用于工厂内物流车辆的跟驰与异常监控，保障安全。
• 无人机：支持无人机在低空交通中的协同跟随与避障预测。