不确定性车辆路口的轨迹预测

摘要：

在城市道路中,实时、准确、可靠地对移动车辆进行轨迹预测具有极高的应用价值,不仅可以提供准确的基于位置的服务,而且可以帮助过往车辆预知前方的交通状况.目前,移动车辆的轨迹预测方法主要基于历史轨迹的欧氏空间进行,并未考虑在受限路网中采用不确定性历史数据的车辆轨迹预测.针对这一问题,提出一种补全路径的基于马尔科夫链的轨迹预测方法,其优势在于:重新定义了补全路径算法,弥补了不确定性历史数据的不完整性,利用马尔科夫链低时间复杂度、高预测准确度的优势实现预测,避免了因频繁模式挖掘带来的查询时间过长而影响预测效率以及存在多余噪声影响轨迹预测准确率的问题.通过真实数据和实验分析表明:在参数设置相同的情况下,该方法比挖掘频繁轨迹模式算法的预测准确率平均提高了18.8%,预测时间平均缩减了80.4%.因此,该方法对于车辆路口的轨迹预测具有较高的预测准确率,并且能预测一系列的车辆未来轨迹.

关键词：受限路网、车辆轨迹预测、不确定性历史数据、补全路径、马尔科夫链

所属期刊栏目：45

分类号：TP311(计算技术、计算机技术)

资助基金：国家重点研发计划项目2016YFC0400910;重大科技专项2017ZX07104001;中央高校基本科研业务费专项资金2015B22214,2017B16814,2017B20914

在线出版日期：2018-04-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：235-240