在智能交通的數(shù)據(jù)分析中,車輛的運動路徑,即車輛軌跡。對車輛軌跡進(jìn)行預(yù)測成為當(dāng)前的研究熱點,旨在將智能信息技術(shù)應(yīng)用于交通系統(tǒng)中,對用戶行為、交通路網(wǎng)特征等信息進(jìn)行研究分析,為用戶提供更加高效的出行體驗。然而,交通網(wǎng)絡(luò)結(jié)構(gòu)的復(fù)雜性、車輛軌跡特征的多樣性以及歷史軌跡數(shù)據(jù)中存在的數(shù)據(jù)缺失問題,給智能交通中車輛軌跡預(yù)測任務(wù)帶來了困難與挑戰(zhàn)。如何準(zhǔn)確地分析路網(wǎng)結(jié)構(gòu),探究車輛軌跡選擇規(guī)律,補償缺失軌跡數(shù)據(jù)是當(dāng)前需要解決的難題。為解決相關(guān)問題,本論文從以下兩個方面進(jìn)行研究:結(jié)合車輛行為模式、路徑點間的時空關(guān)聯(lián)性等影響因素,對短時軌跡預(yù)測方法進(jìn)行研究;結(jié)合軌跡相似性和用戶相似性,對缺失數(shù)據(jù)補償方法進(jìn)行研究。本論文的主要研究工作和貢獻(xiàn)如下:1.針對智能交通中交通路網(wǎng)復(fù)雜的時空關(guān)聯(lián)性以及車輛行為的多樣性,提出并設(shè)計了一種短時車輛軌跡預(yù)測方法。首先,引入詞嵌入思想對路網(wǎng)的時空關(guān)聯(lián)性進(jìn)行分析。然后,利用深度信念網(wǎng)絡(luò)較強的無監(jiān)督特征學(xué)習(xí)能力,達(dá)到提取車輛軌跡局部空間特性的目的;最后,針對軌跡的時序特性,本文利用當(dāng)前軌跡集的時空特征向量進(jìn)行短時車輛軌跡預(yù)測,并針對路網(wǎng)中同一個目的地下路徑存在多樣性的問題,采用權(quán)重聚...

【文章頁數(shù)】：79 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 研究現(xiàn)狀
        1.2.1 軌跡管理與挖掘概述
        1.2.2 短時軌跡預(yù)測的相關(guān)研究工作
    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 車輛軌跡預(yù)測問題定義
        2.1.2 車輛軌跡的語義關(guān)系
    2.2 自然語言處理相關(guān)知識
        2.2.1 統(tǒng)計語言模型
        2.2.2 神經(jīng)概率語言模型
    2.3 軌跡預(yù)測的關(guān)鍵技術(shù)研究
        2.3.1 DBSCAN聚類
        2.3.2 AP聚類
        2.3.3 Markov模型
        2.3.4 LSTM模型
    2.4 缺失軌跡數(shù)據(jù)處理技術(shù)研究
        2.4.1 基于歐氏距離方法的軌跡數(shù)據(jù)分析
        2.4.2 基于最長公共子序列的軌跡數(shù)據(jù)分析
        2.4.3 基于編輯距離的軌跡數(shù)據(jù)分析
    2.5 本章小結(jié)
第3章 面向軌跡語義特征分析的短時軌跡預(yù)測方法
    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 問題形式化
    3.3 車輛軌跡預(yù)測模型細(xì)節(jié)
        3.3.1 模型整體框架
        3.3.2 卡口上下文分析方法
        3.3.3 軌跡預(yù)測方法
        3.3.4 模型算法設(shè)計
    3.4 實驗結(jié)果及分析
        3.4.1 實驗設(shè)置
        3.4.2 算法預(yù)測性能
    3.5 本章小結(jié)
第4章 基于軌跡相似性劃分的缺失軌跡補償方法
    4.1 引言
    4.2 問題描述
        4.2.1 相關(guān)定義
        4.2.2 問題形式化
    4.3 模型細(xì)節(jié)
        4.3.1 整體框架
        4.3.2 軌跡關(guān)鍵節(jié)點發(fā)現(xiàn)與軌跡時間分段
        4.3.3 基于編輯距離的軌跡相似性
        4.3.4 用戶相似性分析
        4.3.5 軌跡數(shù)據(jù)補償
    4.4 實驗結(jié)果與分析
        4.4.1 實驗設(shè)置
        4.4.2 算法預(yù)測性能
    4.5 本章小結(jié)
第5章 總結(jié)及未來工作
    5.1 主要工作與創(chuàng)新點
    5.2 未來工作展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間從事的科研工作及取得的成果



本文編號：3843077