基于歷史信息的移動對象軌跡預(yù)測研究.pdf

1、隨著信息技術(shù)的快速發(fā)展，數(shù)據(jù)信息的爆發(fā)式增長成為了各行各業(yè)所共同面臨的挑戰(zhàn)與機遇，因而信息社會已經(jīng)步入大數(shù)據(jù)時代。大數(shù)據(jù)時代的出現(xiàn)不僅改變了人們的生產(chǎn)生活方式，而且也從根本改變著科學(xué)研究的方式方法。移動對象軌跡中包含了大量位置和行為的信息，其背后隱藏著豐富的移動對象運動特點與規(guī)律。通過對這些信息深入的挖掘與利用，不僅可以了解移動對象共性行為，還可以掌握其個性特點。移動軌跡分析因此受到國內(nèi)外學(xué)者的廣泛關(guān)注。移動對象軌跡預(yù)測作為移動軌跡分析

2、的重要分支，不但在各個學(xué)科領(lǐng)域有其重要的研究價值，而且在實際生活中有著廣闊的應(yīng)用前景。本文針對移動對象軌跡預(yù)測相關(guān)算法及其應(yīng)用進行了研究，主要工作包含以下三個方面:
　　1.對目前移動對象軌跡預(yù)測中常用的技術(shù):BP（Back Propagation誤差反向傳播）神經(jīng)網(wǎng)絡(luò)、SVM(Support Vector Mechine支持向量機)分類和馬爾科夫鏈模型的工作原理和已有應(yīng)用進行研究。
　　2.將移動對象軌跡預(yù)測技術(shù)應(yīng)用于井下

3、安全防護體系。由于井下環(huán)境惡劣，錨節(jié)點有時會失效，導(dǎo)致部分?jǐn)?shù)據(jù)異?；騺G失，使井下移動對象數(shù)據(jù)傳輸可靠性降低。在此基礎(chǔ)上本文將K近鄰與BP神經(jīng)網(wǎng)絡(luò)的預(yù)測模型應(yīng)用于井下，首先使用K近鄰算法對異?；騺G失的數(shù)據(jù)進行預(yù)處理，然后將預(yù)處理后的數(shù)據(jù)輸入到預(yù)測模型中得到最后的預(yù)測結(jié)果。實驗證明，該預(yù)測模型下的準(zhǔn)確度得到提高。
　　3.提出一種改進的Subsyn算法用于出租車目的地的預(yù)測。為了提高LBS(LocationBased Service基

4、于位置服務(wù))的質(zhì)量需要盡可能準(zhǔn)確地對移動對象軌跡目的地進行預(yù)測?，F(xiàn)有軌跡目的地預(yù)測方法主要通過將歷史數(shù)據(jù)輸入至預(yù)測模型中，得到預(yù)測結(jié)果。這種方法將時間作為附屬維度進行處理，不能全面地將預(yù)測目標(biāo)的主要特征值體現(xiàn)出來。本文在訓(xùn)練SVM的過程中加入了軌跡ID、出租車ID、出租車的初始地點標(biāo)識、時間戳、節(jié)假日情況這幾個數(shù)據(jù)特征值，然而在傳統(tǒng)一階馬爾科夫鏈模型中加入這些數(shù)據(jù)特征值，會造成時間復(fù)雜度和空間復(fù)雜度的增大。因此提出一種基于改進Subsy

5、n算法的軌跡目的地預(yù)測方法，首先將移動對象軌跡數(shù)據(jù)輸入到SVM模型中訓(xùn)練得到后驗概率，然后結(jié)合貝葉斯概率，最后通過加權(quán)的方式得到概率最大的預(yù)測值，完成對移動對象目的地的預(yù)測。
　　綜上所述，本文創(chuàng)新點如下:1.將改進的BP神經(jīng)網(wǎng)絡(luò)算法應(yīng)用于井下目標(biāo)軌跡預(yù)測。通過K近鄰算法對丟失數(shù)據(jù)進行預(yù)處理，然后將預(yù)處理后的數(shù)據(jù)放入新的數(shù)據(jù)集中，最后通過BP神經(jīng)網(wǎng)絡(luò)進行預(yù)測。2.提出一種改進的Subsyn算法，對出租車軌跡目的地進行預(yù)測。在Sub