复杂城市环境下车辆位置感知与轨迹预测算法

发布时间：2023-05-17 20:18

　　车辆定位技术为持续获取大规模精确轨迹带来了便利,在现如今的智能交通系统中,大规模的车辆轨迹数据具有很高的利用价值。在大多情况下,应用广泛的GPS(Global Positioning System,GPS)定位技术都能精准的提供实时的车辆位置信息。但在有些相对极端的交通环境下,比如当车辆行驶至GPS信号被遮挡的地方——高大的建筑物遮挡地、上下班拥塞、高架转弯处等,GPS的定位就无法持续提供可靠、精确的车辆位置信息,这对于人们的安全出行以及智能交通系统的发展有很大的影响。所以,如何在这复杂的城市交通环境下,获取到可靠的车辆位置信息是现在亟需解决的问题。本文基于GPS/OBD组合导航系统实现多源数据融合,研究复杂的城市交通环境下的车辆位置感知和轨迹预测算法,本文主要工作包括:首先,结合智能交通系统的特点,提出了一种新的组合导航定位系统,即GPS/OBD组合导航多源信息融合系统,通过分析GPS/OBD组合导航系统的特点,阐述了车辆位置预测中误差来源,包括坐标转换误差、数据采集误差、以及传感器误差等,并基于GPS/OBD分析了几种传统的车辆位置预测算法,并指出了其优缺点,说明了在现有的复杂交通...

【文章页数】：65 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 车辆位置定位
        1.2.2 车辆轨迹预测
    1.3 本文工作
    1.4 本文结构
第2章 车辆位置预测应用基础
    2.1 GPS/OBD系统特点
    2.2 车辆位置预测思想
    2.3 位置预测误差来源
    2.4 车辆位置预测相关算法
        2.4.1 人工神经网络算法
        2.4.2 偏最小二乘回归
        2.4.3 高斯过程回归算法
        2.4.4 支持向量回归算法
    2.5 小结
第3章 一种改进的基于支持向量回归的位置预测算法
    3.1 引言
    3.2 LS-PSO-SVR算法的基本概念及原理
        3.2.1 SVR算法原理
        3.2.2 改进的SVR算法
        3.2.3 LS-PSO-SVR算法原理
    3.3 基于LS-PSO-SVR算法的实验应用
        3.3.1 实验数据分析
        3.3.2 预测模型构建
        3.3.3 算法流程实施
    3.4 实验结果及分析
    3.5 小结
第4章 一种基于改进的KRR的位置预测算法
    4.1 引言
    4.2 基于KRR算法的基本概念及原理
    4.3 基于KRR的双向轨迹预测算法的实验应用
        4.3.1 实验数据分析
        4.3.2 算法流程实施
    4.4 实验结果及分析
    4.5 小结
结论
参考文献
致谢
附录 A 攻读学位期间所发表的学术论文目录
附录 B 攻读硕士学位期间所参与的科研活动



本文编号：3817933