一种基于高斯混合模型的轨迹预测算法

查看全文 作　　者：[1]乔少杰索引[1]金琨 [2]韩楠索引[3]唐常杰索引[4]格桑多吉 Louis Alberto [5]GUTIERREZ

机构地区：[1]西南交通大学信息科学与技术学院,四川成都610031;[2]西南交通大学生命科学与工程学院,四川成都610031;[3]四川大学计算机学院,四川成都610065;[4]西藏大学藏文信息技术研究中心,西藏拉萨850000;[5]DepartmentofComputerScience,RensselaerPolytechnicInstitute,NewYork,USA

出　　处：《软件学报》索引2015年第26卷第5期,共16页

基　　金：国家自然科学基金(61100045,61165013);教育部高等学校博士学科点专项科研基金(20110184120008);教育部人文社会科学研究青年基金(14YJCZH046);中央高校基本科研业务费专项资金(2682013BR023);科学计算与智能信息处理广西高校重点实验室开放课题(GXSCIIP201407) 摘　　要：在智能交通控制系统、军事数字化战场、辅助驾驶系统中,实时、精确、可靠的移动对象不确定性轨迹预测具有极高的应用价值.智能轨迹预测不仅可以提供精准的基于位置的服务,而且可以提前监测和预判交通状况,进而推荐最佳路线,已经成为移动对象数据库研究的热点,亟需设计准确而高效的位置预测方法.针对现有方法的不足,提出了基于高斯混合模型的轨迹预测方法 GMTP,主要步骤包括:(1)针对复杂运动模式利用高斯混合模型建模;(2)利用高斯混合模型计算不同运动模式的概率分布,进而将轨迹数据划分为不同分量;(3)利用高斯过程回归预测移动对象最可能的运动轨迹.GMTP是高斯非线性概率统计模型,其优势在于:计算结果不仅是位置预测值,更是关于移动对象未来所有可能运动轨迹的概率分布,可以利用概率统计分布特性获得某种运动模式(如匀加速运动)下的位置预测.大量真实轨迹数据集上的实验结果表明:与相同参数设置下的高斯回归预测和卡尔曼滤波预测法相比,GMTP的预测准确性平均提高了22.2%和23.8%,预测时间平均缩减了92.7%和95.9%. 关键词：移动对象数据库轨迹预测高斯混合模型运动模式

相关文献

参考文献（22）
引证文献（129）
耦合文献（38）

参考文献(22)

引证文献(129)

耦合文献(38)

互联网出版许可证新出网证(渝)字10号全国400电话 - 免长途话费

一种基于高斯混合模型的轨迹预测算法

参考文献(22)

引证文献(129)

耦合文献(38)

用户提示