在僅有車輛起始位置信息的情況下,車輛目的地推測(cè)的準(zhǔn)確率通常較低。針對(duì)該問(wèn)題,通過(guò)在城市道路攝像頭的視頻錄像數(shù)據(jù)中進(jìn)行時(shí)空搜索,獲取目標(biāo)車輛更多的途經(jīng)信息,以更準(zhǔn)確地推測(cè)出其目的地。為在相同的時(shí)空搜索次數(shù)下最大化目標(biāo)車輛目的地推測(cè)的準(zhǔn)確率,設(shè)計(jì)基于概率的單一指標(biāo)、基于概率和基尼指數(shù)的復(fù)合指標(biāo)以及基于概率和信息增益的復(fù)合指標(biāo),以評(píng)估不同時(shí)空搜索對(duì)于車輛目的地推測(cè)的效用,并基于3種指標(biāo)分別提出CFMM-MidQuery、CFMM-UtilityQuery-Gini和CFMM-UtilityQuery-Info算法。實(shí)驗(yàn)結(jié)果表明,時(shí)空搜索有助于提高車輛目的地推測(cè)的準(zhǔn)確率,基于效益的復(fù)合指標(biāo)較基于概率的單一指標(biāo)評(píng)估效果更好,在時(shí)空搜索次數(shù)相同的條件下,兩者目的地推測(cè)的準(zhǔn)確率相差最高達(dá)11.4%。 

【文章來(lái)源】：計(jì)算機(jī)工程. 2020,46(02)北大核心CSCD

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

基于簡(jiǎn)單一階Markov模型的車輛目的地推測(cè)

基于改進(jìn)一階Markov模型的車輛目的地推測(cè)

本文基于相同的實(shí)驗(yàn)數(shù)據(jù)集,測(cè)試不同階Markov模型推測(cè)車輛目的地的準(zhǔn)確率,結(jié)果如圖3所示。從圖3可以看出,當(dāng)Markov模型階數(shù)達(dá)到3時(shí),車輛目的地推測(cè)的準(zhǔn)確率達(dá)到最高(2階Markov模型和3階Markov模型在推測(cè)車輛目的地時(shí)的準(zhǔn)確率基本一致),然后隨著模型階數(shù)的增加其推測(cè)準(zhǔn)確率逐漸降低,因此,當(dāng)有多個(gè)時(shí)空搜索返回結(jié)果為1時(shí),本文僅選擇一個(gè)time-location參與模型的訓(xùn)練與預(yù)測(cè)。為研究相同數(shù)據(jù)集下車輛目的地推測(cè)準(zhǔn)確率與IInterval的關(guān)系,本文基于二階Markov模型改變IInterval(固定起始時(shí)間,改變中間搜索時(shí)刻),測(cè)試模型推測(cè)準(zhǔn)確率,結(jié)果如圖4所示。從圖4可以看出,隨著IInterval的增大,車輛目的地推測(cè)的準(zhǔn)確率也逐漸提高。因此,當(dāng)有多個(gè)時(shí)空搜索返回結(jié)果為1時(shí),本文僅選擇IInterval最大的time-location參與模型的訓(xùn)練與預(yù)測(cè)。

【參考文獻(xiàn)】：
期刊論文
[1]基于貝葉斯方法的失蹤目標(biāo)優(yōu)化搜索算法[J]. 于美,徐子健.  計(jì)算機(jī)與現(xiàn)代化. 2016(10)
[2]參與式感知系統(tǒng)中基于社會(huì)關(guān)系的移動(dòng)用戶位置預(yù)測(cè)算法[J]. 于瑞云,夏興有,李婕,周巖,王興偉.  計(jì)算機(jī)學(xué)報(bào). 2015(02)
[3]基于貝葉斯網(wǎng)絡(luò)的出行者目的地選擇行為建模與應(yīng)用[J]. 高晶鑫,雋志才,倪安寧.  系統(tǒng)管理學(xué)報(bào). 2015(01)
[4]基于動(dòng)力學(xué)探究黑匣子降落點(diǎn)問(wèn)題[J]. 晉良平,穆盛東,蔣櫟鑫,賀世雄,吳玉媱.  科技資訊. 2015(01)

博士論文
[1]海上立體搜尋全局優(yōu)化模型及仿真研究[D]. 邢勝偉.大連海事大學(xué) 2012



本文編號(hào)：3617447