面向车辆目的地推测的时空搜索优化

发布时间：2022-02-09 18:16

　　在仅有车辆起始位置信息的情况下,车辆目的地推测的准确率通常较低。针对该问题,通过在城市道路摄像头的视频录像数据中进行时空搜索,获取目标车辆更多的途经信息,以更准确地推测出其目的地。为在相同的时空搜索次数下最大化目标车辆目的地推测的准确率,设计基于概率的单一指标、基于概率和基尼指数的复合指标以及基于概率和信息增益的复合指标,以评估不同时空搜索对于车辆目的地推测的效用,并基于3种指标分别提出CFMM-MidQuery、CFMM-UtilityQuery-Gini和CFMM-UtilityQuery-Info算法。实验结果表明,时空搜索有助于提高车辆目的地推测的准确率,基于效益的复合指标较基于概率的单一指标评估效果更好,在时空搜索次数相同的条件下,两者目的地推测的准确率相差最高达11.4%。 

【文章来源】：计算机工程. 2020,46(02)北大核心CSCD

【文章页数】：7 页

【部分图文】：

基于简单一阶Markov模型的车辆目的地推测

基于改进一阶Markov模型的车辆目的地推测

本文基于相同的实验数据集,测试不同阶Markov模型推测车辆目的地的准确率,结果如图3所示。从图3可以看出,当Markov模型阶数达到3时,车辆目的地推测的准确率达到最高(2阶Markov模型和3阶Markov模型在推测车辆目的地时的准确率基本一致),然后随着模型阶数的增加其推测准确率逐渐降低,因此,当有多个时空搜索返回结果为1时,本文仅选择一个time-location参与模型的训练与预测。为研究相同数据集下车辆目的地推测准确率与IInterval的关系,本文基于二阶Markov模型改变IInterval(固定起始时间,改变中间搜索时刻),测试模型推测准确率,结果如图4所示。从图4可以看出,随着IInterval的增大,车辆目的地推测的准确率也逐渐提高。因此,当有多个时空搜索返回结果为1时,本文仅选择IInterval最大的time-location参与模型的训练与预测。

【参考文献】：
期刊论文
[1]基于贝叶斯方法的失踪目标优化搜索算法[J]. 于美,徐子健.  计算机与现代化. 2016(10)
[2]参与式感知系统中基于社会关系的移动用户位置预测算法[J]. 于瑞云,夏兴有,李婕,周岩,王兴伟.  计算机学报. 2015(02)
[3]基于贝叶斯网络的出行者目的地选择行为建模与应用[J]. 高晶鑫,隽志才,倪安宁.  系统管理学报. 2015(01)
[4]基于动力学探究黑匣子降落点问题[J]. 晋良平,穆盛东,蒋栎鑫,贺世雄,吴玉媱.  科技资讯. 2015(01)

博士论文
[1]海上立体搜寻全局优化模型及仿真研究[D]. 邢胜伟.大连海事大学 2012



本文编号：3617447