融合物理机理与数据驱动的隧道车辆纵向轨迹预测方法

本发明公开了一种融合物理机理与数据驱动的隧道车辆纵向轨迹预测方法，属于智能交通信息技术领域。本发明先提取ETC交通流参数，通过FCM聚类划分自由流、同步流、拥堵流；分状态搭建LWR‑CTM、ARZ物理模型生成隧道速度、密度先验场；构建TCN‑Transformer‑AGAF网络提取并融合多尺度时序特征；设计PIDL双通道损失函数，总损失包含数据拟合损失与含平衡速度、速度梯度约束的物理一致性损失，将车流机理作为正则项约束网络训练。本发明兼顾机理可解释性与深度学习拟合能力，抑制预测轨迹非物理失真，适用于隧道交通感知、拥堵预警、事故应急与车流精细化管控。