基于運動行為特征的車輛行駛路徑預(yù)測算法.pdf

1、無線通信技術(shù)的發(fā)展,給人們的工作和生活帶來了深刻的變化。車載自組織網(wǎng)絡(luò)技術(shù)作為無線通信技術(shù)的重要分支,將為實現(xiàn)安全、舒適、智能的城市交通環(huán)境提供技術(shù)支撐。城市交通環(huán)境的復(fù)雜性,給車載自組織網(wǎng)絡(luò)的研究帶來很大的困難。傳統(tǒng)的無線網(wǎng)絡(luò)模擬驗證方法很難應(yīng)用到車載自組織網(wǎng)絡(luò)中。如何構(gòu)建接近真實的車載自組織網(wǎng)絡(luò)環(huán)境是重要的研究課題。本文將基于上海網(wǎng)格項目收集到4,000多輛出租車的真實行駛數(shù)據(jù),對車載自組織網(wǎng)絡(luò)運動特征進行分析研究,并根據(jù)這些運動特

2、征對車載自組織網(wǎng)絡(luò)的相關(guān)協(xié)議和機制進行優(yōu)化。在本文中,我們主要研究以下問題：一、構(gòu)建車載自組織網(wǎng)絡(luò)研究的實驗平臺。準(zhǔn)確和完整的數(shù)據(jù)是實驗分析研究的基礎(chǔ)。但基于GPS設(shè)備收集到的車輛行駛數(shù)據(jù)是離散的、不準(zhǔn)確的。這些數(shù)據(jù)不能直接用于實驗分析中,需要進行一些預(yù)處理工作。我們通過分析GPS數(shù)據(jù)存在異常的原因,解決車輛位置信息與路段不匹配的問題,提出車輛行駛路徑選擇算法,最終通過數(shù)據(jù)插值生成完整連續(xù)的實驗數(shù)據(jù)。二、實驗數(shù)據(jù)分析及車輛運動模式提取。

3、人們的社會行為習(xí)慣存在一定的時空規(guī)律性。通過對大量車輛歷史行駛軌跡的分析研究,我們發(fā)現(xiàn)車輛的運動也存在類似的規(guī)律性。這些規(guī)律性使得車輛在某些路段上存在著運動模式。為了提取這些運動模式,我們應(yīng)用可變長多階馬爾可夫模型對車輛的運動模式進行建模。同傳統(tǒng)的馬爾可夫模型相比,可變長多階馬爾可夫模型能夠方便地提取出不同階數(shù)的車輛運動模式。三、車輛行駛路徑預(yù)測。車輛的運動模式,可以用于對車輛短距離的行駛路徑進行預(yù)測。如果車輛在當(dāng)前所處路段上存在運動模

4、式,那么根據(jù)車輛前面經(jīng)過的路段,我們就能以較高的概率準(zhǔn)確地預(yù)測到下一行駛路段。基于實驗驗證,根據(jù)車輛運動模式的行駛路徑預(yù)測算法,能夠獲得很好的預(yù)測性能。四、交通條件對車輛行駛路徑預(yù)測的影響。城市中道路的交通狀況是動態(tài)變化的。為了評估交通條件對車輛運動模式的影響,我們把交通條件作為可變長多階馬爾可夫模型重要的訓(xùn)練參數(shù),并提取出車輛在不同交通條件下的運動模式。在車輛行駛路徑預(yù)測過程中,我們根據(jù)不同的交通條件應(yīng)用不同的運動模式進行預(yù)測。實驗結(jié)