原文传递
基于支持向量机和改进隐马尔可夫模型的车辆路径预测算法研究
| 论文题名： | 基于支持向量机和改进隐马尔可夫模型的车辆路径预测算法研究 |
| 关键词： | 隐马尔可夫模型;维特比;支持向量机;车辆路径预测;路段匹配 |
| 摘要： | 车辆轨迹跟踪和路径预测是车联网应用中重要研究方向之一，本文针对城市交通环境中车辆坐标偏移带来的定位精度差导致轨迹跟踪精度差的问题，提出了基于支持向量机和改进隐马尔可夫模型的车辆路径预测算法。该算法通过提取车辆全球导航卫星系统（GlobalNavigationSatelliteSystem，GNSS）数据中的特征值使用支持向量机方法优化车辆路段匹配，将匹配算法结合隐马尔可夫模型路径预测算法解决坐标误差问题。 首先，针对坐标偏移问题提出了车辆坐标路段匹配算法，对车辆GNSS坐标的误差原因进行分析，并以两类定位偏移的特殊情况进行阐述，得出这些偏移的坐标在不进行处理和匹配的情况下，卫星信号会因城市峡谷效应和树木等因素接收时产生误差，让车辆的位置与历史轨迹有着偏差甚至相反的结果，通过提取车辆GNSS信息的经度、纬度和方向三个特征值，使用支持向量机对样本进行分类和预测，实现车辆坐标路段匹配算法。其次，将隐马尔可夫模型与城市交通的道路情况进行匹配，将模型中的参数与路段信息进行计算建模，使用维特比算法计算和预测车辆路径，将已构建的隐马尔可夫模型使用支持向量机的路段匹配算法在点到线算法基础上进行改进。最后，使用上海某区域范围内的一日出租车GNSS数据在ArcGIS中对应区域内OSM地图路段进行数据处理实验，同时在SUMO中进行车辆仿真，使用不同车辆数模拟数据源不同大小下的路径预测准确率。实验仿真结果验证了在所选区域内，本文提出算法的准确性在90%以上，较未经分类的点到线常规方法准确率提升了30%，较KNN算法提升了13%。 |
| 作者： | 田耀伟 |
| 专业： | 交通运输工程 |
| 导师： | 代亮 |
| 授予学位： | 硕士 |
| 授予学位单位： | 长安大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
