基于卡口数据的车辆轨迹预测与缺失信息补偿方法研究

发布时间：2023-08-20 10:54

　　在智能交通的数据分析中,车辆的运动路径,即车辆轨迹。对车辆轨迹进行预测成为当前的研究热点,旨在将智能信息技术应用于交通系统中,对用户行为、交通路网特征等信息进行研究分析,为用户提供更加高效的出行体验。然而,交通网络结构的复杂性、车辆轨迹特征的多样性以及历史轨迹数据中存在的数据缺失问题,给智能交通中车辆轨迹预测任务带来了困难与挑战。如何准确地分析路网结构,探究车辆轨迹选择规律,补偿缺失轨迹数据是当前需要解决的难题。为解决相关问题,本论文从以下两个方面进行研究:结合车辆行为模式、路径点间的时空关联性等影响因素,对短时轨迹预测方法进行研究;结合轨迹相似性和用户相似性,对缺失数据补偿方法进行研究。本论文的主要研究工作和贡献如下:1.针对智能交通中交通路网复杂的时空关联性以及车辆行为的多样性,提出并设计了一种短时车辆轨迹预测方法。首先,引入词嵌入思想对路网的时空关联性进行分析。然后,利用深度信念网络较强的无监督特征学习能力,达到提取车辆轨迹局部空间特性的目的;最后,针对轨迹的时序特性,本文利用当前轨迹集的时空特征向量进行短时车辆轨迹预测,并针对路网中同一个目的地下路径存在多样性的问题,采用权重聚...

【文章页数】：79 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 轨迹管理与挖掘概述
        1.2.2 短时轨迹预测的相关研究工作
    1.3 主要研究内容
    1.4 论文组织架构
第2章 相关技术和理论基础
    2.1 相关概念
        2.1.1 车辆轨迹预测问题定义
        2.1.2 车辆轨迹的语义关系
    2.2 自然语言处理相关知识
        2.2.1 统计语言模型
        2.2.2 神经概率语言模型
    2.3 轨迹预测的关键技术研究
        2.3.1 DBSCAN聚类
        2.3.2 AP聚类
        2.3.3 Markov模型
        2.3.4 LSTM模型
    2.4 缺失轨迹数据处理技术研究
        2.4.1 基于欧氏距离方法的轨迹数据分析
        2.4.2 基于最长公共子序列的轨迹数据分析
        2.4.3 基于编辑距离的轨迹数据分析
    2.5 本章小结
第3章 面向轨迹语义特征分析的短时轨迹预测方法
    3.1 引言
    3.2 车辆轨迹预测模型相关定义
        3.2.1 相关定义
        3.2.2 问题形式化
    3.3 车辆轨迹预测模型细节
        3.3.1 模型整体框架
        3.3.2 卡口上下文分析方法
        3.3.3 轨迹预测方法
        3.3.4 模型算法设计
    3.4 实验结果及分析
        3.4.1 实验设置
        3.4.2 算法预测性能
    3.5 本章小结
第4章 基于轨迹相似性划分的缺失轨迹补偿方法
    4.1 引言
    4.2 问题描述
        4.2.1 相关定义
        4.2.2 问题形式化
    4.3 模型细节
        4.3.1 整体框架
        4.3.2 轨迹关键节点发现与轨迹时间分段
        4.3.3 基于编辑距离的轨迹相似性
        4.3.4 用户相似性分析
        4.3.5 轨迹数据补偿
    4.4 实验结果与分析
        4.4.1 实验设置
        4.4.2 算法预测性能
    4.5 本章小结
第5章 总结及未来工作
    5.1 主要工作与创新点
    5.2 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：3843077