發(fā)布時間：2022-08-02 14:24

　　在智能交通中,如何從車輛軌跡中提取有效信息,進而做出短時精準(zhǔn)的預(yù)測,是當(dāng)前研究的一個熱點問題。由于軌跡具有多樣性、稀疏性以及道路拓撲存在復(fù)雜性,給實現(xiàn)軌跡的精準(zhǔn)預(yù)測帶來了困難與挑戰(zhàn)。怎樣從復(fù)雜道路拓撲中提取節(jié)點間的關(guān)系,怎樣緩解軌跡稀疏性問題以及怎樣從多維度考慮影響軌跡趨勢的因素,是當(dāng)前面臨的主要難點。為了解決上述問題,本文主要從以下兩個方面進行研究:結(jié)合車輛偏好特征、節(jié)點空間結(jié)構(gòu)關(guān)系等影響因素,對稀疏缺失軌跡進行同態(tài)補償,即對原始軌跡進行增強,對短時軌跡預(yù)測方法進行研究;結(jié)合車輛時序特征中潛在的周期性規(guī)律,對可變軌跡周期進行建模,對短時軌跡預(yù)測方法進行研究。本論文主要研究工作和貢獻如下:1.針對車輛行駛過程中的多樣性,提取車輛軌跡,并提出一種基于偏好特征語料庫的短時軌跡預(yù)測方法。首先,引入生成對抗網(wǎng)絡(luò)對軌跡分布進行學(xué)習(xí),并以此為基礎(chǔ)生成數(shù)據(jù)彌補原始軌跡的缺失,緩解其稀疏性。然后,針對軌跡具有的偏好特征及軌跡節(jié)點的空間特征,使用表示學(xué)習(xí),并以此為基礎(chǔ)構(gòu)建偏好語料庫和節(jié)點結(jié)構(gòu)特征空間。最后,針對不同的特征向量分別進行軌跡趨勢的預(yù)測,通過最大池化,將多維度多特征空間的預(yù)測趨勢進行融合并形成... 

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 引言
    1.1 研究背景及意義
    1.2 研究現(xiàn)狀
        1.2.1 軌跡管理與挖掘
        1.2.2 軌跡預(yù)測技術(shù)現(xiàn)狀
    1.3 主要研究內(nèi)容
    1.4 論文組織架構(gòu)
第2章 相關(guān)技術(shù)和理論基礎(chǔ)
    2.1 相關(guān)概念
        2.1.1 智能交通概述
        2.1.2 軌跡預(yù)測的理論基礎(chǔ)
    2.2 表示學(xué)習(xí)相關(guān)知識
        2.2.1 統(tǒng)計語言模型
        2.2.2 One-Hot
        2.2.3 Word2Vec
        2.2.4 Deep Walk
    2.3 軌跡預(yù)測的關(guān)鍵技術(shù)研究
        2.3.1 隱馬爾可夫模型
        2.3.2 高斯混合模型
        2.3.3 神經(jīng)網(wǎng)絡(luò)模型
    2.4 本章小結(jié)
第3章 基于偏好特征語料庫的軌跡預(yù)測方法研究
    3.1 引言
    3.2 車輛軌跡預(yù)測模型相關(guān)定義
        3.2.1 相關(guān)定義
        3.2.2 問題提出
    3.3 車輛短時軌跡預(yù)測模型
        3.3.1 模型整體框架
        3.3.2 數(shù)據(jù)補償
        3.3.3 特征形態(tài)提取
        3.3.4 特征表示
        3.3.5 融合模型
    3.4 模型算法設(shè)計
    3.5 本章小結(jié)
第4章 基于可變時序特征的短時軌跡預(yù)測方法研究
    4.1 引言
    4.2 問題描述
        4.2.1 相關(guān)定義
        4.2.2 問題提出
    4.3 軌跡預(yù)測模型
        4.3.1 模型整體框架
        4.3.2 特征表示
        4.3.3 預(yù)測模型
    4.4 模型算法設(shè)計
    4.5 本章小結(jié)
第5章 實驗驗證及應(yīng)用
    5.1 數(shù)據(jù)集
    5.2 基于偏好特征語料庫的算法實現(xiàn)
        5.2.1 算法實現(xiàn)過程
        5.2.2 評估準(zhǔn)則
        5.2.3 算法評估
    5.3 基于可變時序特征的算法實現(xiàn)
        5.3.1 算法實現(xiàn)過程
        5.3.2 評估準(zhǔn)則與基線方法
        5.3.3 算法評估
    5.4 本章小結(jié)
第6章 主要工作總結(jié)及未來工作
    6.1 主要工作
    6.2 后續(xù)研究工作
參考文獻
致謝
攻讀碩士學(xué)位期間從事的科研工作及取得的成果


【參考文獻】：
期刊論文
[1]2019中國大數(shù)據(jù)產(chǎn)業(yè)發(fā)展白皮書[J]. 孫會峰.  互聯(lián)網(wǎng)經(jīng)濟. 2019(Z2)
[2]不確定環(huán)境下移動對象自適應(yīng)軌跡預(yù)測方法[J]. 夏卓群,胡珍珍,羅君鵬,陳月月.  計算機研究與發(fā)展. 2017(11)
[3]路網(wǎng)空間下基于馬爾可夫決策過程的異常車輛軌跡檢測算法[J]. 毛江云,吳昊,孫未未.  計算機學(xué)報. 2018(08)
[4]多模式移動對象不確定性軌跡預(yù)測模型[J]. 喬少杰,韓楠,丁治明,金澈清,孫未未,舒紅平.  自動化學(xué)報. 2018(04)
[5]位置大數(shù)據(jù)的價值提取與協(xié)同挖掘方法[J]. 郭遲,劉經(jīng)南,方媛,羅夢,崔競松.  軟件學(xué)報. 2014(04)
[6]受限路網(wǎng)中基于全局學(xué)習(xí)機制的在線軌跡預(yù)測[J]. 徐懷野,丁治明,劉奎恩,許佳捷.  計算機科學(xué). 2012(08)
[7]基于向量識別的啟發(fā)式路徑推測算法[J]. 呂衛(wèi)鋒,吳東東,諸彤宇.  計算機學(xué)報. 2009(07)

碩士論文
[1]基于隱馬爾可夫模型的車輛軌跡預(yù)測算法的研究[D]. 張迎亞.南京郵電大學(xué) 2017



本文編號：3668690