【摘要】：已有的軌跡預(yù)測方法難以對移動對象運動軌跡進行準確地描述,尤其在復(fù)雜且不確定的車載自組織網(wǎng)絡(luò)(vehicular ad hoc network)(也稱車聯(lián)網(wǎng))環(huán)境中.為了解決這一問題,提出基于變分高斯混合模型(variational Gaussian mixture model,VGMM)的環(huán)境自適應(yīng)軌跡預(yù)測方法 ESATP(environment self-adaptive prediction method based on VGMM).首先,在傳統(tǒng)高斯混合模型的基礎(chǔ)上使用變分貝葉斯推理近似方法處理混合高斯分布;其次設(shè)計變分貝葉斯期望最大化算法學(xué)習(xí)計算高斯混合模型參數(shù),有效運用參數(shù)先驗信息得到更高精度預(yù)測模型;最后,針對輸入軌跡數(shù)據(jù)特征,使用參數(shù)自適應(yīng)選擇算法自動調(diào)節(jié)參數(shù)組合,靈活調(diào)整混合高斯分量的個數(shù)和軌跡段大小.實驗結(jié)果表明:所提方法在實驗中表現(xiàn)出較高的預(yù)測準確性,可應(yīng)用于車輛移動定位產(chǎn)品中.
[Abstract]:The existing trajectory prediction methods are difficult to accurately describe the moving object trajectory, especially in the complex and uncertain vehicle-borne ad hoc network (vehicular ad hoc network) () environment. In order to solve this problem, an environmental adaptive trajectory prediction method, ESATP (environment self-adaptive prediction method based on VGMM)., based on variational Gao Si mixed model (variational Gaussian mixture model,VGMM) is proposed. Firstly, based on the traditional Gao Si mixed model, variational Bayesian inference approximation method is used to deal with the mixed Gao Si distribution. Secondly, the variational Bayesian expectation maximization algorithm is designed to calculate the parameters of Gao Si mixed model, and a more accurate prediction model is obtained by using the prior information of the parameters effectively. Finally, according to the characteristics of the input trajectory data, the parameter adaptive selection algorithm is used to adjust the combination of parameters automatically and flexibly adjust the number of the mixed Gao Si component and the size of the trajectory segment. The experimental results show that the proposed method has high prediction accuracy and can be applied to vehicle mobile positioning products.
【作者單位】： 長沙理工大學(xué)綜合交通運輸大數(shù)據(jù)智能處理湖南省重點實驗室;長沙理工大學(xué)計算機與通信工程學(xué)院;國防科學(xué)技術(shù)大學(xué)計算機學(xué)院;
【基金】：國家自然科學(xué)基金項目(61572514) 湖南省自然科學(xué)基金項目(14JJ7043) 湖南省交通廳科技進步與創(chuàng)新項目(201405)~~
【分類號】：O212;U495

【相似文獻】

相關(guān)期刊論文 前10條

1 鄒光遠,陳耀松;關(guān)于二階自適應(yīng)開路邊條件的進一步討論[J];水動力學(xué)研究與進展(A輯);1992年03期

2 湯清明;;自適應(yīng)輸出跟隨控制及應(yīng)用[J];三峽大學(xué)學(xué)報(自然科學(xué)版);1993年01期

3 聶建亮;;采用自適應(yīng)Unscented Kalman的粒子濾波[J];大地測量與地球動力學(xué);2008年03期

4 徐樹榮,李文生;雙曲守恒律的自適應(yīng)一致高精度格式[J];中山大學(xué)學(xué)報(自然科學(xué)版);1993年04期

5 任麗梅;劉建民;賈雙盈;;一個新混沌系統(tǒng)的自適應(yīng)模糊同步[J];計算機工程與科學(xué);2012年07期

6 張玲;;一類混沌金融系統(tǒng)的自適應(yīng)反饋同步研究[J];赤峰學(xué)院學(xué)報(自然科學(xué)版);2008年07期

7 趙平亞;張先萌;;二維自適應(yīng)空域遞歸快速算法[J];南京理工大學(xué)學(xué)報(自然科學(xué)版);1990年04期

8 華榮喜;自適應(yīng)陣列天線穩(wěn)態(tài)方向性圖研究[J];南京航空航天大學(xué)學(xué)報;1987年02期

9 費蓉;胡博;;一種時變的隨機馬氏移動對象行為仿真模型[J];系統(tǒng)仿真學(xué)報;2012年09期

10 胡瑞敏;姚天任;黃鐵俠;;一種基于二階梯度估計的自適應(yīng)算法[J];自動化學(xué)報;1993年01期

相關(guān)會議論文 前1條

1 盧波;丁秀麗;鄔愛清;;自適應(yīng)自然單元法研究——自適應(yīng)細化[A];第九屆全國巖土力學(xué)數(shù)值分析與解析方法討論會論文集[C];2007年

相關(guān)博士學(xué)位論文 前2條

1 王益文;復(fù)雜網(wǎng)絡(luò)節(jié)點影響力模型及其應(yīng)用[D];浙江大學(xué);2015年

2 周駿;矩陣完成問題的項目生成研究[D];江西師范大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 葉丹鳳;隨機環(huán)境中帶分散自適應(yīng)牽制控制的復(fù)雜網(wǎng)絡(luò)簇同步問題[D];深圳大學(xué);2016年

2 張瑜;具有時滯的復(fù)雜網(wǎng)絡(luò)的自適應(yīng)同步[D];中國民航大學(xué);2015年

3 祁瓊;自適應(yīng)事件驅(qū)動下馬爾科夫跳躍系統(tǒng)鎮(zhèn)定及狀態(tài)估計問題研究[D];南京財經(jīng)大學(xué);2016年

4 祁慶;非線性系統(tǒng)隨機自適應(yīng)漸近穩(wěn)定的理論和應(yīng)用[D];復(fù)旦大學(xué);2013年

5 王曉玲;復(fù)雜網(wǎng)絡(luò)的自適應(yīng)同步及其應(yīng)用[D];北方工業(yè)大學(xué);2013年

6 陶沖;時間序列自適應(yīng)預(yù)測方法研究[D];天津理工大學(xué);2014年

7 高媛;惡化網(wǎng)絡(luò)的自適應(yīng)牽制控制[D];鄭州大學(xué);2014年

8 秦超;基于多項式模型的混沌時間序列自適應(yīng)預(yù)測算法[D];華南理工大學(xué);2015年

9 高穎;不確定非線性離散系統(tǒng)的自適應(yīng)模糊優(yōu)化控制與應(yīng)用[D];遼寧工業(yè)大學(xué);2015年

10 張柯;非平穩(wěn)需求多周期自適應(yīng)庫存控制研究[D];青島大學(xué);2014年

，

本文編號：2382969