基于环境约束的不确定车辆轨迹预测方法.docxVIP

基于环境约束的不确定车辆轨迹预测方法 　　摘要：　　针对现有预测算法很少考虑环境因素，预测精度不高的问题，提出了一种基于环境约束的不确定轨迹数据预测算法。首先获取历史轨迹数据所处的环境信息，利用环境信息和轨迹数据构造一个新的轨迹参考点，模拟带有环境信息的车辆不确定轨迹数据；然后基于高斯混合模型，对轨迹参考点数据和历史轨迹数据进行训练；最后在训练的基础上利用轨迹参考点和历史轨迹数据对车辆轨迹实时预测。由于考虑了出行的环境因素，预测结果更符合现实情景。实验验证了该算法在实时性和预测准确度上较其它算法有所提高。　　关键词：　　环境约束；不确定轨迹；轨迹预测；轨迹参考点；高斯混合模型　　DOIDOI：/　　中图分类号：TP306　　文献标识码：A文章编号文章编号：　　Abstract：In view of the existing prediction algorithms seldom consider environmental factors predicting accuracy， proposes a prediction algorithm for uncertain trajectory based on environmental constraints ， the main steps include： first， the historical data acquisition environment information， the combined data structure by using the trajectory reference point to simulate the environment information of the vehicle with uncertain trajectory； then Gauss mixture model trained on the trajectory reference point data and historical data based on the trajectory reference point and historical data using realtime prediction of vehicle trajectory. Considering the environmental factors of travel，the prediction results more realistic ， the experimental results show that the algorithm is accurate in predicting real time and degree than the other algorithms are improved.　　Key Words：environmental constraints； uncertain trajectory；trajectory prediction；trajectory reference point；GMM　　0引言　　卫星定位技术、无线通信技术和地理信息技术的迅速发展，使定位设备在车载以及移动终端上得到广泛应用。安装在公交车辆、出租车以及其它车辆上的GPS设备记录着城市交通、人群移动的动态变化[1]，将不同时刻的车辆位置信息收集起?砭涂晒钩啥嗵跬暾?的轨迹序列数据，可以利用这些历史轨迹数据对车辆未来轨迹进行预测。本文提出一种基于预测模型的车辆行驶轨迹预测方法。　　对移动对象不确定轨迹预测有三方面：①将移动轨迹按照时间进行分段研究[2]；②基于历史轨迹数据推荐各种最优路径[3]；③挖掘历史轨迹的频繁模式预测未来轨迹[4]，其中研究成果主要集中在频繁模式挖掘上，通过挖掘轨迹频繁模式规划出最优路径并进行预测。与此同时，还有利用多种预测模型对轨迹进行预测，如贝叶斯网络[5]、混合马尔科夫模型[6]、隐马尔科夫模型[7]、高斯混合模型[89]等方法。陈勐[6]考虑到大部分人的移动模式都是有规律的，利用混合马尔可夫模型对行人要到达的下一地点进行预测。乔少杰等[7]通过将海量轨迹数据进行分区，根据输入轨迹自动选取参数的方法，提出了基于隐马尔可夫模型的自适应轨迹预测模型。　　虽然利用时空轨迹对轨迹预测做了大量研究，但大部分都是利用历史轨迹进行预测，忽略了环境对预测结果的影响。本文考虑环境因素，利用参考点携带环境信息，结合高斯混合模型对车辆轨迹进行预测。　　1基本概念　　本文的数据模型中，移动对象数据集D由n条轨迹组成，每条轨迹由多个地点串联而成，用 D={Trj1，Trj2，…，Trjn}表示，轨迹的数量定义为|D|。　　定义1定