本文選題：軌跡預(yù)測　切入點(diǎn)：隱馬爾科夫模型(HMM)　出處：《南京郵電大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：在智能交通系統(tǒng)(ITS)、智能導(dǎo)航、移動(dòng)電子商務(wù)、物流配送中,實(shí)時(shí)、精確、可靠的車輛軌跡預(yù)測具有極高的應(yīng)用價(jià)值。車輛軌跡預(yù)測不僅可以提供精準(zhǔn)的基于位置的服務(wù),而且可以提前監(jiān)測和預(yù)判交通狀況,進(jìn)而為用戶推薦最佳路線。本文首先建立道路網(wǎng)絡(luò)模型,挖掘車輛歷史軌跡的雙層隱藏狀態(tài),并根據(jù)歷史軌跡確定隱馬爾可夫模型(HMM)參數(shù),然后采用Viterbi算法確定車輛已行駛軌跡對應(yīng)的雙層隱藏狀態(tài)序列。最后提出一種基于雙層隱藏狀態(tài)的隱馬爾可夫模型車輛軌跡預(yù)測算法(DHMTP),預(yù)測車輛將要行駛的完整軌跡和車輛行駛軌跡在未來k個(gè)階段的近鄰單元的位置信息。由于采集到的數(shù)據(jù)相對有限,當(dāng)前的訓(xùn)練集數(shù)據(jù)無法包含所有的車輛行駛路徑。在測試該模型預(yù)測車輛路徑的準(zhǔn)確性時(shí),我們所用到的測試集包括訓(xùn)練集中不存在的路徑或者坐標(biāo)點(diǎn)。另外,在我們先前已經(jīng)建立的用于車輛路徑預(yù)測的隱馬爾可夫模型中還存在一類“零概率”問題。出現(xiàn)“零概率”時(shí)有兩種可能,一種是在訓(xùn)練集中某種坐標(biāo)點(diǎn)出現(xiàn)的次數(shù)為零,另外一種是某些車輛行車路徑或坐標(biāo)點(diǎn)在訓(xùn)練集中不存在,但是在測試集中存在。因此,本文采用基于K-means++聚類算法擴(kuò)充訓(xùn)練集,采用平滑技術(shù)解決“零概率”問題,以此優(yōu)化隱馬爾科夫模型,進(jìn)而提出Possible_Track算法預(yù)測車輛軌跡路徑。最后,在研究基于隱馬爾可夫模型的車輛軌跡預(yù)測方法的基礎(chǔ)上,我們提出了基于HMM的路徑推薦系統(tǒng)框架。在短時(shí)間內(nèi),可以提醒處在擁堵十字路口的駕駛員車輛前行的安全性;在長時(shí)間內(nèi),預(yù)測可能會(huì)發(fā)生交通堵塞的區(qū)域,及時(shí)做出調(diào)度,引導(dǎo)交通并提醒駕駛員及時(shí)做出路線調(diào)整。
[Abstract]:In the intelligent transportation system (its), intelligent navigation, mobile electronic commerce, logistics distribution, real-time, accurate and reliable vehicle trajectory prediction has high application value. Vehicle trajectory prediction can not only provide accurate location-based services. Moreover, the traffic condition can be monitored and forecasted in advance, and then the best route can be recommended. Firstly, the road network model is established to mine the double hidden state of the historical track of the vehicle, and the HMMM parameters are determined according to the historical track. Finally, a hidden Markov model vehicle trajectory prediction algorithm based on double hidden state is proposed to predict the integrity of vehicle driving. Location information of the nearest neighbor unit in the next k stages of the trajectory and the vehicle trajectory. Due to the relatively limited data collected, The current training set data cannot contain all vehicle paths. In testing the accuracy of the model for predicting vehicle paths, the test set we use includes paths or coordinate points that do not exist in the training set. There is also a class of "zero probability" problem in the hidden Markov model that we have established previously for vehicle path prediction. There are two possibilities when "zero probability" occurs, one is that the number of occurrences of a certain coordinate point in the training set is zero. The other is that some vehicle paths or coordinate points do not exist in the training set, but exist in the test set. Therefore, this paper uses K-means clustering algorithm to expand the training set, and uses smoothing technology to solve the "zero probability" problem. In this way, the hidden Markov model is optimized, and then the Possible_Track algorithm is proposed to predict the vehicle trajectory. Finally, based on the research of the vehicle trajectory prediction method based on the hidden Markov model, We propose a path recommendation system framework based on HMM. In a short period of time, we can remind drivers at congested crossroads of the safety of moving ahead; in the long run, we can predict the possible traffic jam areas and make timely scheduling. Guide traffic and remind drivers to make route adjustments in time.
【學(xué)位授予單位】：南京郵電大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：U495;O211.62

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 史笑興,王太君,何振亞;二階隱馬爾可夫模型的學(xué)習(xí)算法及其與一階隱馬爾可夫模型的關(guān)系[J];應(yīng)用科學(xué)學(xué)報(bào);2001年01期

2 張慧麗;;基于混合二階隱馬爾可夫模型的基因結(jié)構(gòu)預(yù)測[J];電腦知識(shí)與技術(shù)(學(xué)術(shù)交流);2007年14期

3 侯昭武;;隱馬爾可夫模型的拓樸應(yīng)用[J];河南師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年06期

4 黃崗;;馬爾可夫及隱馬爾可夫模型的應(yīng)用[J];電子設(shè)計(jì)工程;2013年17期

5 王新民;基于因子分析的隱馬爾可夫模型(英文)[J];華中師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年02期

6 曹林;王東峰;鄒謀炎;;基于隱馬爾可夫模型的人像鑒別算法[J];中國科學(xué)院研究生院學(xué)報(bào);2006年01期

7 鄒凌云;王正志;黃教民;;基于序列拓?fù)浜投A隱馬爾可夫模型的跨膜蛋白亞細(xì)胞定位預(yù)測[J];激光生物學(xué)報(bào);2008年02期

8 馮志偉;;隱馬爾可夫模型及其在自動(dòng)詞類標(biāo)注中的應(yīng)用[J];燕山大學(xué)學(xué)報(bào);2013年04期

9 趙征鵬,楊鑒,普園媛,尉洪;基于隱馬爾可夫模型的非母語說話人口音識(shí)別[J];云南大學(xué)學(xué)報(bào)(自然科學(xué)版);2004年S1期

10 杜世平;;帶駐留時(shí)間隱馬爾可夫模型學(xué)習(xí)算法的改進(jìn)[J];西南民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年04期

相關(guān)會(huì)議論文 前10條

1 史笑興;王太君;何振亞;;論二階隱馬爾可夫模型與一階隱馬爾可夫模型的關(guān)系[A];第九屆全國信號處理學(xué)術(shù)年會(huì)（CCSP-99）論文集[C];1999年

2 馬勇;金峗;顧明亮;趙力;;基于隱馬爾可夫模型的漢語方言辨識(shí)[A];2009’中國西部地區(qū)聲學(xué)學(xué)術(shù)交流會(huì)論文集[C];2009年

3 吳志強(qiáng);陳珂;遲惠生;;基于隱馬爾可夫模型的有限詞匯集內(nèi)與文本無關(guān)的說話人辨認(rèn)的研究[A];第四屆全國人機(jī)語音通訊學(xué)術(shù)會(huì)議論文集[C];1996年

4 徐毅瓊;李弼程;王波;;隱馬爾可夫模型在人臉檢測與識(shí)別中的應(yīng)用[A];現(xiàn)代通信理論與信號處理進(jìn)展——2003年通信理論與信號處理年會(huì)論文集[C];2003年

5 吳成東;柴佩琪;;基于分類的隱馬爾可夫模型的聲母識(shí)別[A];第一屆全國語言識(shí)別學(xué)術(shù)報(bào)告與展示會(huì)論文集[C];1990年

6 徐東風(fēng);周萍;景新幸;;改進(jìn)隱馬爾可夫模型的非線性分段技術(shù)應(yīng)用[A];中國聲學(xué)學(xué)會(huì)2007年青年學(xué)術(shù)會(huì)議論文集（下）[C];2007年

7 邢穎;南敬昌;;基于隱馬爾可夫模型的人臉檢測與識(shí)別系統(tǒng)[A];2009年中國智能自動(dòng)化會(huì)議論文集（第三分冊）[C];2009年

8 秦勇;莫福源;李昌立;關(guān)定華;;基于隱馬爾可夫模型的漢語二字詞音調(diào)模式識(shí)別[A];第三屆全國人機(jī)語音通訊學(xué)術(shù)會(huì)議論文集[C];1994年

9 楊文強(qiáng);鄧明華;錢敏平;;隱馬爾可夫模型與剪切位點(diǎn)識(shí)別[A];中國運(yùn)籌學(xué)會(huì)第六屆學(xué)術(shù)交流會(huì)論文集（下卷）[C];2000年

10 馬曉川;劉冬;趙榮椿;;孤立短語隱馬爾可夫模型自動(dòng)建模軟件的實(shí)現(xiàn)[A];第四屆全國人機(jī)語音通訊學(xué)術(shù)會(huì)議論文集[C];1996年

相關(guān)重要報(bào)紙文章 前1條

1 英特爾公司企業(yè)技術(shù)事業(yè)部技術(shù)戰(zhàn)略專家 Sean Koehl;具有萬億次計(jì)算能力的筆記本電腦[N];中國計(jì)算機(jī)報(bào);2007年

相關(guān)博士學(xué)位論文 前7條

1 歐陽黜霏;基于隱馬爾可夫模型的車輛行程時(shí)間預(yù)測方法研究[D];武漢大學(xué);2015年

2 李杰;隱馬爾可夫模型的研究及其在圖像識(shí)別中的應(yīng)用[D];清華大學(xué);2004年

3 夏麗莎;基于隱馬爾可夫模型的故障診斷及相關(guān)算法研究[D];華中科技大學(xué);2014年

4 劉韜;基于隱馬爾可夫模型與信息融合的設(shè)備故障診斷與性能退化評估研究[D];上海交通大學(xué);2014年

5 馬玉韜;基于濾波理論和特征統(tǒng)計(jì)的蛋白質(zhì)編碼區(qū)預(yù)測算法研究[D];天津大學(xué);2013年

6 李楠;基于火焰自由基成像的NO_x排放預(yù)測算法研究[D];華北電力大學(xué)(北京);2017年

7 羅義軍;通信中Viterbi算法和均衡器的優(yōu)化設(shè)計(jì)及低功耗考慮[D];浙江大學(xué);2003年

相關(guān)碩士學(xué)位論文 前10條

1 吳瑞琪;面向農(nóng)牧民歌旋律的自動(dòng)伴奏技術(shù)研究[D];河南師范大學(xué);2015年

2 張凱;基于隱馬爾可夫模型的頻譜預(yù)測和感知方法研究[D];南京郵電大學(xué);2015年

3 白雁飛;基于隱馬爾可夫模型的J波識(shí)別技術(shù)研究[D];太原理工大學(xué);2016年

4 崔晨雨;基于用戶經(jīng)驗(yàn)水平的推薦方法研究[D];清華大學(xué);2015年

5 李若冰;基于貝葉斯網(wǎng)絡(luò)和隱馬爾可夫模型的撲克對手建模研究[D];南京大學(xué);2013年

6 朱超然;基于隱馬爾可夫模型的無線傳感器網(wǎng)絡(luò)入侵檢測研究[D];華北電力大學(xué)(北京);2014年

7 李倫;基于隱馬爾可夫模型的VaR度量方法研究[D];華東政法大學(xué);2016年

8 李曉燕;基于隱馬爾科夫模型的軌跡聚類方法研究[D];華東師范大學(xué);2016年

9 關(guān)超;隱馬爾可夫模型在肝硬化進(jìn)展中的應(yīng)用[D];山西醫(yī)科大學(xué);2016年

10 李飛;基于隱馬爾可夫模型和符號條件熵的異常生理信號研究[D];南京郵電大學(xué);2016年

，

本文編號：1567999