A Survey of Vehicle Trajectory Prediction Based on Deep-Learning

弹道 深度学习 计算机科学 突出 人工智能 机器学习 物理 天文
作者
Huilin Yin,Yurong Wen,Jiaxiang Li
标识
DOI:10.1109/nnice58320.2023.10105706
摘要

Trajectory prediction is very important for autonomous driving vehicles. Deep-learning approaches can capture the interaction information. Therefore more and more researchers are using deep-learning models to accomplish vehicle trajectory prediction. This paper provides a detailed and comparative description of the methods for vehicle trajectory prediction based on deep-learning models. We start by modelling trajectory predictions for vehicles. Several common deep-learning models used in vehicle trajectory prediction are then highlighted. Next, we compare the structural features, salient advantages and applicable scenarios of commonly used deep-learning models. Future directions for vehicle trajectory prediction are discussed at the end.

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
5555完成签到,获得积分10
刚刚
小茉莉完成签到 ,获得积分10
刚刚
1秒前
123完成签到,获得积分20
1秒前
贪玩的天荷完成签到,获得积分10
1秒前
英姑应助詹慧子采纳,获得10
1秒前
promise完成签到 ,获得积分10
2秒前
4秒前
5秒前
祈冬完成签到 ,获得积分10
5秒前
volition发布了新的文献求助10
5秒前
dancingidam完成签到,获得积分10
6秒前
狂野老黑完成签到,获得积分10
7秒前
情怀应助火星上手机采纳,获得10
7秒前
整齐醉冬发布了新的文献求助10
8秒前
8秒前
NoMi完成签到,获得积分10
8秒前
8秒前
着急的千山完成签到 ,获得积分10
8秒前
称心翠容完成签到,获得积分10
8秒前
落后井发布了新的文献求助100
9秒前
橘舰长完成签到,获得积分10
9秒前
9秒前
小二郎应助冰淇淋啦啦啦采纳,获得10
9秒前
dyy123发布了新的文献求助10
10秒前
思源应助灵巧墨镜采纳,获得10
10秒前
FashionBoy应助平常的小郭采纳,获得10
10秒前
林子完成签到,获得积分10
10秒前
科研通AI6应助回颜轻生采纳,获得10
11秒前
大橙子完成签到,获得积分10
11秒前
11秒前
11秒前
歼击机88完成签到,获得积分10
11秒前
YY完成签到,获得积分10
11秒前
NexusExplorer应助vvan采纳,获得10
11秒前
11秒前
浮游应助wangli采纳,获得10
13秒前
霁雨花君发布了新的文献求助10
13秒前
meng发布了新的文献求助10
13秒前
砥砺完成签到,获得积分10
13秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Binary Alloy Phase Diagrams, 2nd Edition 6000
Encyclopedia of Reproduction Third Edition 3000
Comprehensive Methanol Science Production, Applications, and Emerging Technologies 2000
化妆品原料学 1000
The Political Psychology of Citizens in Rising China 800
1st Edition Sports Rehabilitation and Training Multidisciplinary Perspectives By Richard Moss, Adam Gledhill 600
热门求助领域 (近24小时)
化学 材料科学 生物 医学 工程类 计算机科学 有机化学 物理 生物化学 纳米技术 复合材料 内科学 化学工程 人工智能 催化作用 遗传学 数学 基因 量子力学 物理化学
热门帖子
关注 科研通微信公众号,转发送积分 5637185
求助须知:如何正确求助?哪些是违规求助? 4742945
关于积分的说明 14998249
捐赠科研通 4795434
什么是DOI,文献DOI怎么找? 2561969
邀请新用户注册赠送积分活动 1521481
关于科研通互助平台的介绍 1481513