基于神经网络的车辆行为预测研究

发布时间：2023-04-09 22:05

　　预测车辆出行轨迹不仅可以为用户提供个性化出行服务,对交通引导、流量管控和城市建设也有一定作用。对城市车辆轨迹进行预测,一方面要对数据集进行针对性的移动模式挖掘,尤其是在立体式交通环境下,轨迹容易混乱,要建立特殊模型拟合路网,另一方面,从移动模式中挖掘深层次的车辆行驶动机,并根据当前车辆轨迹进行下一位置的预测。本论文从复杂道路环境下的路网模型出发,考虑到轨迹节点之间的语义关联,使用高维路网屏蔽由于二维空间经纬度信息单一导致的轨迹混乱,在高维空间中针对轨迹节点序列的特殊性使用集成循环神经网络模型对车辆轨迹进行预测。本论文的主要研究工作和贡献如下:1.针对车辆在行驶过程中轨迹节点之间表现出的语义关联关系,提取车辆行驶运动模式,提出一种基于高维向量的路网建模方式。首先,使用窗口机制提取关联轨迹节点内部的语义关联,以此为基础构建轨迹节点语料库,使轨迹节点间的上下文关系蕴含在节点语料库中。其次,针对每一个轨迹节点的上下文关系,利用嵌入网络将卡口之间的语义关联嵌入高维向量,使之成为可度量的概率分布形式,从而构造高维路网空间,在高维空间中屏蔽了二维路网由于经纬度限制导致的轨迹混淆问题。2.深入分析轨迹...

【文章页数】：88 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景与意义
    1.2 研究现状
        1.2.1 轨迹数据管理
        1.2.2 位置预测技术现状
    1.3 主要研究内容
    1.4 论文组织结构
第2章 相关技术和理论基础
    2.1 轨迹数据管理
        2.1.1 车辆轨迹节点
        2.1.2 轨迹节点上下文
        2.1.3 轨迹分段
        2.1.4 轨迹节点语料库
    2.2 轨迹预测模型研究
        2.2.1 统计学模型
        2.2.2 神经网络预测模型
    2.3 本章小结
第3章 面向复杂道路环境的路网建模方法
    3.1 引言
    3.2 相关理论基础
        3.2.1 统计语言模型
        3.2.2 神经网络语言模型
    3.3 高维路网建模相关定义
        3.3.1 相关定义
        3.3.2 问题形式化表示
    3.4 高维路网模型细节
        3.4.1 模型整体框架
        3.4.2 路网建模算法设计
    3.5 本章小结
第4章 基于神经网络的轨迹预测模型
    4.1 引言
    4.2 循环神经网络理论基础
    4.3 轨迹预测模型相关定义
    4.4 轨迹预测模型细节
        4.4.1 模型整体框架
        4.4.2 模型实施算法设计
    4.5 本章小结
第5章 实验验证及分析
    5.1 数据集
    5.2 高维路网模型验证
        5.2.1 算法实现过程
        5.2.2 评估准则
        5.2.3 算法评估
    5.3 轨迹预测算法验证
        5.3.1 算法实现过程
        5.3.2 评估准则
        5.3.3 算法评估与对比
    5.4 本章小结
第6章 总结及未来工作
    6.1 全文总结
    6.2 未来工作展望
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果



本文编号：3787813