基于神经网络的车辆轨迹预测算法的研究与实现
发布时间：2021-03-25 00:02
随着移动互联技术、全球定位技术的不断发展,车辆轨迹数据规模不断扩大,移动位置推荐、出行计划制定、城市交通拥堵缓解及道路规划等基于位置的服务也逐渐繁荣,而车辆位置预测则是以上服务的核心和基础。针对这一需求,本文基于实际项目中获取的城市车辆GPS日志数据,提出了基于神经网络的车辆轨迹预测方法,通过历史轨迹数据预处理、基于K-Modes聚类算法的稀疏数据补全、基于GA优化的LSTM预测模型等三个步骤,实现了轨迹数据质量提升和车辆位置预测,为其他基于位置的服务提供稳定可靠的底层支持。本文在回顾了当前车辆和移动对象轨迹和位置预测研究现状之后,围绕稀疏轨迹数据补全、时序车辆轨迹预测以及LSTM初始参数优化等方面展开研究,最终确定基于K-Modes聚类算法补全和基于GA算法优化的LSTM车辆轨迹预测模型,并引入预测误差校准模块对最终预测结果进行校验和纠正。本文主要工作包括以下几方面:（1）轨迹数据预处理。轨迹数据质量对于最终车辆位置预测准确率有较大影响,而现有研究往往侧重于轨迹预测方法,较少对历史数据质量进行评价和提升。本文通过研究轨迹自身数据特点,在过滤重复轨迹点的基础上,通过对原始车辆轨迹的切分...
【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校
【文章页数】：80 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 论文研究内容
1.4 论文组织结构
1.5 本章小结
第二章 相关理论与技术
2.1 轨迹数据理论
2.2 轨迹数据补全技术
2.2.1 基于几何模型的数据补全
2.2.2 基于统计概率模型的数据补全
2.2.3 基于聚类模型的数据补全
2.3 位置预测技术
2.3.1 基于神经网络的位置预测
2.3.2 基于马尔科夫模型的位置预测
2.3.3 基于频繁轨迹模式的位置预测
2.4 神经网络模型
2.4.1 RNN与时序数据处理
2.4.2 LSTM神经网络模型
2.5 遗传算法GA
2.6 本章小结
第三章 车辆轨迹预测方法概述
3.1 车辆轨迹预测背景及目标
3.2 问题描述
3.3 方法模型及框架介绍
3.4 本章小结
第四章 轨迹数据预处理方法
4.1 轨迹数据抽取与预处理
4.1.1 误差点处理
4.1.2 子轨迹划分
4.2 轨迹索引
4.3 基于K-Modes聚类的稀疏数据补全
4.3.1 K-Modes聚类算法流程设计
4.3.2 基于聚类结果的轨迹补全
4.4 本章小结
第五章 基于GA-LSTM的车辆轨迹预测
5.1 LSTM预测模型
5.1.1 输入数据特征选取
5.1.2 车辆轨迹预测模型
5.2 预测误差校准
5.3 遗传算法优化过程
5.4 本章小结
第六章 实验结果及分析
6.1 实验配置与过程
6.1.1 实验配置说明
6.1.2 实验数据集描述
6.1.3 实验过程安排
6.2 实验结果分析
6.2.1 不同时段区间内车辆轨迹数量分布
6.2.2 基于聚类的轨迹补全实验结果
6.2.3 GA-LSTM与LSTM模型收敛效果实验结果
6.2.4 车辆轨迹预测实验结果分析
6.3 本章小结
第七章 总结与展望
7.1 论文工作总结
7.2 展望
参考文献
致谢
作者简介
【参考文献】：
期刊论文
[1]路网匹配算法综述[J]. 高文超,李国良,塔娜. 软件学报. 2018(02)
[2]大数据环境下移动对象自适应轨迹预测模型[J]. 乔少杰,李天瑞,韩楠,高云君,元昌安,王晓腾,唐常杰. 软件学报. 2015(11)
[3]一种GRNN神经网络的高超声速飞行器轨迹预测方法[J]. 杨彬,贺正洪. 计算机应用与软件. 2015(07)
[4]聚类算法综述[J]. 伍育红. 计算机科学. 2015(S1)
[5]基于改进贝叶斯方法的轨迹预测算法研究[J]. 李万高,赵雪梅,孙德厂. 计算机应用. 2013(07)
[6]基于模糊神经网络的地图匹配算法[J]. 苏海滨,王光政,王继东. 北京科技大学学报. 2012(01)
[7]BP神经网络隐层单元数的确定方法及实例[J]. 严鸿,管燕萍. 控制工程. 2009(S2)
硕士论文
[1]基于历史信息的移动对象轨迹预测研究[D]. 杨航.广西师范大学 2016
[2]基于循环神经网络的轨迹位置预测技术研究[D]. 李幸超.浙江大学 2016
本文编号：3098640
【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校
【文章页数】：80 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
符号对照表
缩略语对照表
第一章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 论文研究内容
1.4 论文组织结构
1.5 本章小结
第二章 相关理论与技术
2.1 轨迹数据理论
2.2 轨迹数据补全技术
2.2.1 基于几何模型的数据补全
2.2.2 基于统计概率模型的数据补全
2.2.3 基于聚类模型的数据补全
2.3 位置预测技术
2.3.1 基于神经网络的位置预测
2.3.2 基于马尔科夫模型的位置预测
2.3.3 基于频繁轨迹模式的位置预测
2.4 神经网络模型
2.4.1 RNN与时序数据处理
2.4.2 LSTM神经网络模型
2.5 遗传算法GA
2.6 本章小结
第三章 车辆轨迹预测方法概述
3.1 车辆轨迹预测背景及目标
3.2 问题描述
3.3 方法模型及框架介绍
3.4 本章小结
第四章 轨迹数据预处理方法
4.1 轨迹数据抽取与预处理
4.1.1 误差点处理
4.1.2 子轨迹划分
4.2 轨迹索引
4.3 基于K-Modes聚类的稀疏数据补全
4.3.1 K-Modes聚类算法流程设计
4.3.2 基于聚类结果的轨迹补全
4.4 本章小结
第五章 基于GA-LSTM的车辆轨迹预测
5.1 LSTM预测模型
5.1.1 输入数据特征选取
5.1.2 车辆轨迹预测模型
5.2 预测误差校准
5.3 遗传算法优化过程
5.4 本章小结
第六章 实验结果及分析
6.1 实验配置与过程
6.1.1 实验配置说明
6.1.2 实验数据集描述
6.1.3 实验过程安排
6.2 实验结果分析
6.2.1 不同时段区间内车辆轨迹数量分布
6.2.2 基于聚类的轨迹补全实验结果
6.2.3 GA-LSTM与LSTM模型收敛效果实验结果
6.2.4 车辆轨迹预测实验结果分析
6.3 本章小结
第七章 总结与展望
7.1 论文工作总结
7.2 展望
参考文献
致谢
作者简介
【参考文献】：
期刊论文
[1]路网匹配算法综述[J]. 高文超,李国良,塔娜. 软件学报. 2018(02)
[2]大数据环境下移动对象自适应轨迹预测模型[J]. 乔少杰,李天瑞,韩楠,高云君,元昌安,王晓腾,唐常杰. 软件学报. 2015(11)
[3]一种GRNN神经网络的高超声速飞行器轨迹预测方法[J]. 杨彬,贺正洪. 计算机应用与软件. 2015(07)
[4]聚类算法综述[J]. 伍育红. 计算机科学. 2015(S1)
[5]基于改进贝叶斯方法的轨迹预测算法研究[J]. 李万高,赵雪梅,孙德厂. 计算机应用. 2013(07)
[6]基于模糊神经网络的地图匹配算法[J]. 苏海滨,王光政,王继东. 北京科技大学学报. 2012(01)
[7]BP神经网络隐层单元数的确定方法及实例[J]. 严鸿,管燕萍. 控制工程. 2009(S2)
硕士论文
[1]基于历史信息的移动对象轨迹预测研究[D]. 杨航.广西师范大学 2016
[2]基于循环神经网络的轨迹位置预测技术研究[D]. 李幸超.浙江大学 2016
本文编号：3098640
本文链接：https://www.wllwen.com/kejilunwen/qiche/3098640.html
