题目：基于车辆轨迹预测的信号灯调控
报告人：吕思雨
本次汇报，吕思雨同学汇报的题目为“基于车辆轨迹预测的信号灯调控”，本次内容选取的时候，在粗略浏览轨迹预测的一篇2019IEEE的文章时，觉得对其研究方向略微感兴趣，本次汇报便以这篇文章提出的基于结构-LSTM网络的自主驾驶环境下道路使用者交互轨迹预测为题，进行关于轨迹预测改善信号灯调控相关方面的讲解。
在本次汇报中，学生首先分析了交通堵塞的原因，希望通过轨迹预测，使得车流量，调控信号灯时长，来环节交通堵塞，接着给大家介绍了路网、轨迹预测有关的基本概念，轨迹处理的第一部分需要对GPS数据进行路网匹配，当下比较流行的是隐马尔可夫模型，LSTM因其出色的时空属性记忆能力被用于车辆轨迹预测，我们的工作中，我们采用并连接多个与空间附近轨迹对应的双层LSTM。
特别是，在每个状态更新步骤中，我们为每个SV及其相邻车辆分配一个LSTM，以提取每个历史轨迹的空间时间特征，然后连接这些相邻的LSTM，相互共享其隐藏状态，并分析它们在更深的 LSTM 层中的相互作用，根据该轨迹预测未来的轨迹。
学生将根据老师的指导在车辆轨迹预测和信号灯调控领域阅读更多相关的文献。
周老师对吕思雨同学的汇报提出了许多宝贵的意见，并启发式的指点吕思雨同学后续可以考虑是否有CNN相关的车辆轨迹预测文章，然后确定研究的要点，更好地结合后面要研究的内容。
老师意见要点：
① 老师首先表达他对学生研究内容的好奇，接着结合我PPT的内容，指导性的给我提出了两个问题，一个是未来研究的数据来源组成？另一个是优化需要达到的目的和接下来需要的信息？
②建议我可以看看是否有cnn相关的文献，结合这两个问题完善我接下来的工作，更好地和我研究的内容贴切。
相关的资料：
[1] Zheng Y. Trajectory Data Mining: An Overview[M]. ACM, 2015.
[2] Yuan J, Zheng Y, Xie X, Sun GZ. T-Drive: Enhancing driving directions with taxi drivers' intelligence. IEEE Trans. On Knowledge and Data Engineering, 2013, 26(1): 220- 232.
[3] Gao WC, Li GL, Ta N. Map matching algorithm: a survey. Ruan Jian Xue Bao/Journal of Software, 2018 (in Chinese).
[4] Deo N , Trivedi M M . [IEEE 2018 IEEE Intelligent Vehicles Symposium (IV) - Changshu (2018.6.26-2018.6.30)] 2018 IEEE Intelligent Vehicles Symposium (IV) - Multi-Modal Trajectory Prediction of Surrounding Vehicles with Maneuver based LSTMs[J]. 2018:1179-1184.
[5] D. Jeong, M. Baek and S. Lee, "Long-term prediction of vehicle trajectory based on a deep neural network," 2017 International Conference on Information and Communication Technology Convergence (ICTC), Jeju, 2017, pp. 725-727.
[6] Hou, Lian & Xin, Long & Li, Shengbo & Cheng, Bo & Wang, Wenjun. (2019). Interactive Trajectory Prediction of Surrounding Road Users for Autonomous Driving Using Structural-LSTM Network. IEEE Transactions on Intelligent Transportation Systems. PP. 1-11. 10.1109/TITS.2019.2942089.
