论文部分内容阅读
移动车辆在行驶过程中,由于周围环境的变化可能产生不确定性,从而导致车载无线定位系统接收的信号出现丢失的问题。无线定位技术与移动计算技术相结合能够预测移动对象活动轨迹,从而为解决车载定位系统信号丢失的问题提供一条解决途径。本文结合影响轨迹预测的各因素,对不确定环境下移动车辆的轨迹预测展开研究,主要研究内容如下:(1)针对现有轨迹预测在动态环境中预测精度不高,实时效果差的问题,本文提出一种环境自适应车辆轨迹预测方法(EAVTP),该方法首先运用历史数据构造携带环境信息的虚拟参考点;其次利用高斯混合模型处理虚拟参考点与轨迹数据集,学习训练预测模型;最后结合虚拟参考点与回归预测模型对轨迹在线预测。(2)针对车辆行驶在不确定的环境中存在位置数据分布不平衡和大量的非高斯噪声的问题,本文提出基于变分高斯混合模型的环境自适应轨迹预测方法。在传统高斯混合模型的基础上使用变分贝叶斯近似推理方法处理混合高斯分布,设计变分贝叶斯期望最大化算法学习计算变分高斯混合模型参数,有效运用参数先验信息得到更高精度预测模型;然后,针对输入轨迹数据特征,使用参数自适应选择算法自动调节参数组合,灵活调整混合高斯分量的个数和轨迹段大小,提高轨迹预测的精度。(3)针对车辆轨迹易受环境和用户行为习惯影响导致轨迹预测较低的问题,本文提出一种融合环境感知和行为偏好的预测模型对移动车辆行驶轨迹进行预测。首先通过计算特定用户负效应函数值来反映用户对环境变化的敏感度,将得到的负效应函数值应用到表示用户行为习惯的分对数模型中计算用户路径选择概率;其次使用SSEM算法迭代处理用户行为习惯,得到用户类型分布;最后,利用得到的用户类型分布与变分高斯混合模型联合在线预测。本论文所提方法在MATLAB 2014平台完成仿真分析,仿真结果分析表明本文所提的预测方法在不确定环境下适应能力较强,预测精度较高。