张海基

摘要：

针对现有预测算法很少考虑环境因素，预测精度不高的问题，提出了一种基于环境约束的不确定轨迹数据预测算法（EGTP）。首先获取历史轨迹数据所处的环境信息，利用环境信息和轨迹数据构造一个新的轨迹参考点，模拟带有环境信息的车辆不确定轨迹数据；然后基于高斯混合模型，对轨迹参考点数据和历史轨迹数据进行训练；最后在训练的基础上利用轨迹参考点和历史轨迹数据对车辆轨迹实时预测。由于考虑了出行的环境因素，预测结果更符合现实情景。实验验证了该算法在实时性和预测准确度上较其它算法有所提高。

关键词：

环境约束；不确定轨迹；轨迹预测；轨迹参考点；高斯混合模型

DOIDOI：10.11907/rjdk.172248

中图分类号：TP306

文献标识码：A文章编号文章编号：16727800（2018）001004402

Abstract：In view of the existing prediction algorithms seldom consider environmental factors predicting accuracy， proposes a prediction algorithm for uncertain trajectory based on environmental constraints （egtp）， the main steps include： first， the historical data acquisition environment information， the combined data structure by using the trajectory reference point to simulate the environment information of the vehicle with uncertain trajectory； then Gauss mixture model trained on the trajectory reference point data and historical data based on the trajectory reference point and historical data using realtime prediction of vehicle trajectory. Considering the environmental factors of travel，the prediction results more realistic scenarios.Finally， the experimental results show that the algorithm is accurate in predicting real time and degree than the other algorithms are improved.

Key Words：environmental constraints； uncertain trajectory；trajectory prediction；trajectory reference point；GMM

0引言

卫星定位技术、无线通信技术和地理信息技术的迅速发展，使定位设备在车载以及移动终端上得到广泛应用。安装在公交车辆、出租车以及其它车辆上的GPS设备记录着城市交通、人群移动的动态变化[1]，将不同时刻的车辆位置信息收集起來就可构成多条完整的轨迹序列数据，可以利用这些历史轨迹数据对车辆未来轨迹进行预测。本文提出一种基于预测模型的车辆行驶轨迹预测方法。

对移动对象不确定轨迹预测有三方面：①将移动轨迹按照时间进行分段研究[2]；②基于历史轨迹数据推荐各种最优路径[3]；③挖掘历史轨迹的频繁模式预测未来轨迹[4]，其中研究成果主要集中在频繁模式挖掘上，通过挖掘轨迹频繁模式规划出最优路径并进行预测。……