自动驾驶与交通效率数学建模_基于深度学习的自动驾驶交通流预测研究：回顾、解决方案和挑战【综述】...

本文来源：公众号交通攻城狮；微信ID：TrafficBlog

/ 导读 /

在过去的几年中，全球自动驾驶汽车的使用呈指数增长。这是由于人工智能技术在各种应用中的普及和使用呈指数增长。交通流量预测对于自动驾驶车辆来说非常重要，因为自动驾驶车辆可以根据其周围物体来决定自己的行程并做出适应性决定(例如，转弯或右转，直行，换道，停车或加速)。

图源：Miglani A, Kumar N. Deep learning models for traffic flow prediction in autonomous vehicles: A review, solutions, and challenges[J]. Vehicular Communications, 2019, 20: 100184.

从现有文献中可以看出，对自动驾驶汽车的研究已经从传统的统计模型转向了自适应机器学习技术。然而，由于在车辆做出的上述自适应决策期间从周围环境收集的空间和时间数据之间存在非线性复杂关系，因此现有的机器学习模型可能无法直接应用于该环境。

因此，针对这些问题，在本文中，我们研究了用于自动驾驶交通量预测的各种深度学习模型，并将这些模型与它们在现代智能交通系统中的适用性进行了比较。选择各种参数以在不同的深度学习模型之间进行相对比较。此外，本文还讨论了挑战和未来的研究方向。