1.基于随机森林和改进的Informer模型的车辆换道轨迹预测方法，其特征在于，包括如下的步骤：基于车载传感器和公开的自然驾驶数据集，采集车辆行车信息；

对车辆行车信息进行预处理得到预处理车辆行车信息；

对预处理车辆行车信息采用随机森林算法构建数据集；

根据车辆数据的特点以及车辆换道轨迹预测需求建立训练模型并预测车辆换道轨迹。

2.根据权利要求1所述的基于随机森林和改进的Informer模型的车辆换道轨迹预测方法，其特征在于，所述基于车载传感器和公开的自然驾驶数据集，采集车辆行车信息，具体为，所述车辆行车信息包括基于车载传感器和公开的自然驾驶数据集，采集车辆历史轨迹、速度、加速度、横向速度、横向加速度、前车时距信息。

3.根据权利要求1所述的基于随机森林和改进的Informer模型的车辆换道轨迹预测方法，其特征在于，所述对车辆行车信息进行预处理得到预处理车辆行车信息；具体包括：剔除由交通事故引发的非正常换道行为，使用SG滤波器对数据进行平滑处理以降低噪声；通过历史轨迹与车道中心线计算得到车辆偏移车道中心线的距离。

4.根据权利要求1所述的基于随机森林和改进的Informer模型的车辆换道轨迹预测方法，其特征在于，所述对预处理车辆行车信息采用随机森林算法构建数据集；具体包括：采用随机森林算法构建多个决策树模型，并利用集成学习思想综合多个模型的预测结果，在回归问题中利用方差减少量计算得到不同特征对目标变量的影响程度，方差减少量越大，则表示该特征对目标变量的影响越大，重要性得分越高，选取重要性得分较大的特征共同作为Informer模型的输入特征；

基于随机森林算法筛选后得到的数据构建训练集、验证集和测试集；

分别对训练集、验证集、测试集求取数据的均值和标准差，通过标准化计算公式进行数据标准化。

5.根据权利要求4所述的基于随机森林和改进的Informer模型的车辆换道轨迹预测方法，其特征在于，所述基于随机森林算法筛选后得到的数据构建训练集、验证集和测试集；

具体为，选取数据集的前70％为训练集，10％为验证集，最后20％为测试集；并分别求取数据的均值mean和标准差σ，通过标准化计算公式：X＝(x‑mean)/σ得到训练集、验证集、测试集的标准化数据，其中x为标准化前的样本数据，X为标准化以后的样本数据。

6.根据权利要求1所述的基于随机森林和改进的Informer模型的车辆换道轨迹预测方法，其特征在于，所述根据车辆数据的特点以及车辆换道轨迹预测需求通过训练模型预测车辆换道轨迹，具体包括：步骤1，根据车辆数据的特点以及车辆换道轨迹预测需求，设置模型的超参数；其中，模型的超参数包括输入序列长度seq_len，预测序列长度pred_len，模型迭代次数Epochs，批处理样本数batch_size，学习率learning_rate，损失函数Dropout；

步骤2，生成编码器，从训练集中取出Batch_size大小的数据输入编码器嵌入层进行位置信息编码，加入局部局部时间戳和全局时间戳后映射成为d_model长度的向量；

步骤3，编码器利用改进的自注意力机制捕捉输入数据与序列数据的全局信息，并通过加入高斯偏置捕捉输入数据与邻近数据的局部上下文信息，通过编码器层的堆叠确定捕捉依赖关系；

步骤4，生成解码器，解码器与生成器采用相同的结构，输入序列在经过一个self‑attention层后与生成器的输出在encoder‑decoder层再进行一次attention计算，最终通过一个全连接层，得到最后的输出，通过输出与真实值计算损失函数；

步骤5，重复步骤2、3和4，模型迭代并通过损失函数计算得到损失值，直至损失函数值收敛至较小的稳定值，改进的Informer模型收敛，训练终止，并根据训练好的模型，进行车辆的换道轨迹预测。

7.根据权利要求6所述的基于随机森林和改进的Informer模型的车辆换道轨迹预测方法，其特征在于，所述生成编码器，具体包括：由embadding层统一转换后的数据输入到模型的编码器Encoder部分，在注意力模块进行稀疏性自注意力计算，并加入增强局部时序信息的高斯偏置Gi,j；具体方式为选择稀疏性得分最高的N个query，只计算N个query和key的点积结果，剩下的L‑N个query不计算。

8.根据权利要求7所述的基于随机森林和改进的Informer模型的车辆换道轨迹预测方法，其特征在于，所述生成解码器包括：通过Distilling层提取主导注意力机制的优势特征，并通过Self‑attention+Distilling层组合的堆叠，得到解码器Decoder的输入。

9.根据权利要求6所述的基于随机森林和改进的Informer模型的车辆换道轨迹预测方法，其特征在于，所述通过输出与真实值计算损失函数，具体为：通过改进的Informer模型中的解码器采用批量生成式预测，只通过一次前向计算，得到长序列的最后输出，并通过输出与真实值进行损失函数计算。

10.根据权利要求9所述的基于随机森林和改进的Informer模型的车辆换道轨迹预测方法，其特征在于，所述损失函数采用均方误差MSE和平均绝对误差MAE。