1.一种基于车辆轨迹预测的无人机轨迹优化方法，其特征在于，包括：获取车辆的当前状态信息，根据车辆当前状态信息通过车辆轨迹预测模型得到预测的车辆坐标位置；

根据预测的车辆坐标位置，以最大化无人机和车辆用户的通信速率作为优化目标，建立最大化车辆用户通信速率模型；

根据最大化车辆用户通信速率模型进行强化学习得到飞行轨迹决策方案优化函数，进而得到无人机和车辆用户的通信速率最大化时无人机的飞行轨迹。

2.如权利要求1所述的基于车辆轨迹预测的无人机轨迹优化方法，其特征在于，使用A3C算法对所述决策方案优化函数进行求解，得到无人机和车辆用户的通信速率最大化时无人机的飞行轨迹，其具体步骤包括：初始化设置的A3C代理模型得到初始化之后的通信模型；

将初始化之后的代理模型与环境交互，得到训练数据集。

3.如权利要求2所述的基于车辆轨迹预测的无人机轨迹优化方法，其特征在于，所述A3C代理模型基于Actor网络和Critic网络的网络结构，二者均以状态作为输入进行构建。

4.如权利要求2所述的基于车辆轨迹预测的无人机轨迹优化方法，其特征在于，根据所述训练数据集对A3C代理模型进行训练，最终得到训练后的A3C代理模型，利用训练后的A3C代理模型对决策方案优化函数进行求解，到无人机和车辆用户的通信速率最大化时无人机的飞行轨迹。

5.如权利要求1所述的基于车辆轨迹预测的无人机轨迹优化方法，其特征在于，所述根据预测的车辆坐标位置，以最大化无人机和车辆用户的通信速率作为优化目标，建立最大化车辆用户通信速率模型步骤包括：根据车辆用户坐标、预先设定的无人机坐标位置和预先设定的地面用户车辆传输功率，获得无人机和地面用户之间的信道损失系数、对无人机和车辆用户之间的达到的最高速率、无人机和车辆之间的通信中断概率、M‑1个无人机重新部署的能量消耗和地面用户车辆传输速率，其中M为无人机总数量；

依据信道损失系数、最高速率、通信中断概率、能量消耗和传输速率获取最大化车辆用户通信速率模型。

6.如权利要求1所述的基于车辆轨迹预测的无人机轨迹优化方法，其特征在于，形成决策方案优化函数的具体步骤包括：

考虑无人机执行动作引起的自身能耗和与车辆的通信速率变化的状态集合；

根据预先设定的无人机运动速度和运动方向，获得无人机的动作函数；根据无人机当前状态选择动作的方式和状态下选择动作的概率构建策略函数；根据车辆的通信速率构建奖励函数；根据折扣因子构建以累计折扣奖励的期望作为目标的目标函数；

依据状态函数、动作函数、奖励函数和目标函数形成决策方案优化函数，形成决策方案优化函数。

7.如权利要求1所述的基于车辆轨迹预测的无人机轨迹优化方法，其特征在于，车辆轨迹预测模型包括短期精确轨迹预测模型和长期粗略轨迹预测模型，短期精确轨迹预测模型用于预测车辆在未完成行程的前设定时间的轨迹，长期粗略轨迹预测模型用于预测计算车辆剩余轨迹。

8.一种基于车辆轨迹预测的无人机轨迹优化系统，其特征在于，包括：数据获取模块，用于获取车辆的当前状态信息，根据车辆当前状态信息通过车辆轨迹预测模型得到预测的车辆坐标位置；

通信速率模型构建模块，用于根据预测的车辆坐标位置，以最大化无人机和车辆用户的通信速率作为优化目标，建立最大化车辆用户通信速率模型；

飞行轨迹优化模块：根据最大化车辆用户通信速率模型进行强化学习得到飞行轨迹决策方案优化函数，进而得到无人机和车辆用户的通信速率最大化时无人机的飞行轨迹。

9.一种计算机可读存储介质，用于存储计算机指令，其特征在于，所述计算机指令被处理器执行时，完成如权利要求1‑7任一所述的基于车辆轨迹预测的无人机轨迹优化方法。

10.一种电子设备，其特征在于，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成如权利要求1‑7任一所述的基于车辆轨迹预测的无人机轨迹优化方法。