随着物联网、互联网行业的发展,人们正逐渐步入一个物与物互联的时代,对远程设备的智能监控技术正逐渐发达,人们对视线外的设备运转情况也更加重视。在政府层面,国有资产归属国家,但是被一些别有用心的人利用职务便利窃取国有资产,对政府造成损失。政府水利局有一项任务是处理生活、工业污水,将污水过滤分离成清水和污泥,并将污泥进行再利用。部分司机和部门管理人员利用职务便利在污泥运输过程中私下处理污泥,倾倒在公共场所污染环境。本项目旨在设计一套系统,对污泥运输过程进行监管,包括车辆行驶监控,对驾驶人员的违规行为进行监督,此外还有车辆人员调度安排控制,污泥运输相关信息采集展示。特别是在车辆行驶监控方面,传统的检查方式存在一些不足:(1)在没有智能预测时,若采用人工对污泥运输车辆进行管控,消耗财力人力巨大,尤其是污泥调度任务均在每天后半夜执行,布设人力管控成本大。(2)在车辆行为预测方面,传统的轨迹预测算法在实际应用阶段难度较高,算法要求准确性和时间复杂度不可兼得,难以实现实时监控预警的要求,因此可行性不高。(3)各种轨迹预测算法的模式各不相同,在不同场景下效果也千差万别,轨迹预测在实际设计时,一定要根据实际场景具体设计,根据业务场景优化算法,生搬硬套的算法准确率低。为此,本文基于整套车辆运输监管系统,提出一套轨迹预测模型,针对污泥运输过程中的车辆进行实时监控预警,并在司机开始执行违规操作时,提前预警、提前处理,将窃取国家财产的行为从源头遏制。本文的主要工作具体在以下几个方面:(1)本文结合传统车辆轨迹预测的解决方案,分析在该场景下的需求和设计目标,分析目前预测算法在本场景下的可行性,找出本场景下目前预测算法的三点可优化空间。(2)提出一种基于变阶马尔科夫模型的轨迹预测方案。利用集成学习的思路训练预测模型。各阶弱模型的结果结合不同权重,生成一个强模型。同时改进了现有轨迹预处理方案。(3)将模型与整个系统结合,实现一套完整的车辆管理、监控、调度系统,并仿真对比分析轨迹预测的效果。本文将设计的模型和数据存储方案和传统方案进行比对,从模型准确率方面进行比较。实验结果证明本文提出的方案在预测准确率有一定提升,并将实时预测的资源消耗控制在可控的范围内,在车辆行为监控方面是一种较为优秀的解决方案。