一种基于高斯混合模型的轨迹预测算法.pdf
立即下载
荧惑
2025-08-18
轨迹
预测
高斯
运动
模型
对象
混合
交通
位置
大学
1.5 MB
软件学报 ISSN 1000-9825, CODEN RUXUEW E-mail: jos@iscas.ac.cn
Journal of Software,2015,26(5):1048−1063 [doi: 10.13328/j.cnki.jos.004796] http://www.jos.org.cn
©中国科学院软件研究所版权所有. Tel: +86-10-62562563
一种基于高斯混合模型的轨迹预测算法
∗
乔少杰 1, 金 琨 1, 韩 楠 2, 唐常杰 3, 格桑多吉 4, Louis Alberto GUTIERREZ5
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(Department of Computer Science, Rensselaer Polytechnic Institute, New York, USA)
通讯作者: 韩楠, E-mail: hannan@swjtu.edu.cn
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
轨迹/预测/高斯/运动/模型/对象/混合/交通/位置/大学/
轨迹/预测/高斯/运动/模型/对象/混合/交通/位置/大学/
-->