本发明公开了一种基于多维单步LSTM网络的车辆轨迹预测方法，首先针对单目摄像机存在的镜头畸变情况进行矫正，克服了因获取的行车视频数据画面失真所导致的目标检测漏检的问题；其次，利用基于KITTI数据集训练的YOLO目标检测模型来检测视频中的车辆边框坐标，采用多维单步LSTM网络，通过对前两秒的轨迹进行学习，预测一秒后的轨迹，并采用滑动窗口的方法循环学习并预测整个视频的车辆轨迹。本发明采用多维单步LSTM网络对时间序列进行预测，解决了长序列训练过程中的梯度消失与梯度爆炸问题，相比普通的利用RNN进行时间序列预测的方法，本发明能够在更长的序列中有更好的表现，能极大的降低成本，且采用端到端的模型，通过目标检测模型输出的周围车辆边框信息。