首页> 中文学位 >基于运动行为特征的车辆行驶路径预测算法
【6h】

基于运动行为特征的车辆行驶路径预测算法

代理获取

目录

摘要

ABSTRACT

第一章 绪论

1.1 车载自组织网络概述

1.1.1 车载自组织网络的特点

1.1.2 车载自组织网络关键技术

1.1.3 车载自组织网络的应用

1.2 车载自组织网络研究现状

1.2.1 车载自组织网络运动模型研究

1.2.2 车载自组织网络路由协议的研究

1.2.3 车载自组织网络服务质量的研究

1.3 本文主要研究内容和组织结构

1.3.1 本文主要研究内容

1.3.2 相关研究工作

1.3.3 本文主要贡献

1.3.4 本文组织结构

1.4 本章小结

第二章 车辆GPS 数据预处理

2.1 车辆GPS 数据格式及特点

2.2 车辆GPS 数据异常分析

2.3 车辆GPS 数据重构

2.3.1 异常记录移除

2.3.2 最优匹配路段选择

2.3.3 点间最优路径选择策略

2.3.4 车辆GPS 数据等时间间隔插值

2.3.5 车辆GPS 数据预处理性能验证

2.4 本章小结

第三章 车辆运动行为特征研究

3.1 现实生活中的车辆运动模式

3.2 车辆运动模式定义及表现形式

3.3 车辆运动模式生成模型及算法

3.3.1 可变长度马尔可夫模型

3.3.2 车辆运动模式生成算法

3.3.3 车辆运动模式生成结果

3.4 本章小结

第四章 基于车辆运动模式的路径预测算法

4.1 车辆行驶路径预测算法描述

4.2 预测算法性能验证

4.2.1 实验环境及参数设置

4.2.2 实验性能度量参数定义

4.2.3 实验结果及分析

4.3 交通条件对车辆行驶路径预测算法的影响

4.3.1 不同交通条件对车辆运动特征的影响

4.3.2 实验结果及比较分析

4.4 本章小结

第五章 车辆行驶路径预测在车载自组织网络中的应用

5.1 路径预测在路由协议设计中的应用

5.2 路径预测在数据传输机制中的应用

5.3 本章小结

第六章 总结和展望

6.1 论文总结

6.2 工作展望

参考文献

致谢

攻读硕士学位期间已发表或录用的论文

展开▼

摘要

无线通信技术的发展,给人们的工作和生活带来了深刻的变化。车载自组织网络技术作为无线通信技术的重要分支,将为实现安全、舒适、智能的城市交通环境提供技术支撑。城市交通环境的复杂性,给车载自组织网络的研究带来很大的困难。传统的无线网络模拟验证方法很难应用到车载自组织网络中。如何构建接近真实的车载自组织网络环境是重要的研究课题。本文将基于上海网格项目收集到4,000多辆出租车的真实行驶数据,对车载自组织网络运动特征进行分析研究,并根据这些运动特征对车载自组织网络的相关协议和机制进行优化。在本文中,我们主要研究以下问题:一、构建车载自组织网络研究的实验平台。准确和完整的数据是实验分析研究的基础。但基于GPS设备收集到的车辆行驶数据是离散的、不准确的。这些数据不能直接用于实验分析中,需要进行一些预处理工作。我们通过分析GPS数据存在异常的原因,解决车辆位置信息与路段不匹配的问题,提出车辆行驶路径选择算法,最终通过数据插值生成完整连续的实验数据。二、实验数据分析及车辆运动模式提取。人们的社会行为习惯存在一定的时空规律性。通过对大量车辆历史行驶轨迹的分析研究,我们发现车辆的运动也存在类似的规律性。这些规律性使得车辆在某些路段上存在着运动模式。为了提取这些运动模式,我们应用可变长多阶马尔可夫模型对车辆的运动模式进行建模。同传统的马尔可夫模型相比,可变长多阶马尔可夫模型能够方便地提取出不同阶数的车辆运动模式。三、车辆行驶路径预测。车辆的运动模式,可以用于对车辆短距离的行驶路径进行预测。如果车辆在当前所处路段上存在运动模式,那么根据车辆前面经过的路段,我们就能以较高的概率准确地预测到下一行驶路段。基于实验验证,根据车辆运动模式的行驶路径预测算法,能够获得很好的预测性能。四、交通条件对车辆行驶路径预测的影响。城市中道路的交通状况是动态变化的。为了评估交通条件对车辆运动模式的影响,我们把交通条件作为可变长多阶马尔可夫模型重要的训练参数,并提取出车辆在不同交通条件下的运动模式。在车辆行驶路径预测过程中,我们根据不同的交通条件应用不同的运动模式进行预测。实验结果表明,基于交通条件的路径预测算法能获得较好的预测准确率。五、车辆行驶路径预测的应用。车载自组织网络的底层运动特征对其性能有着重要影响。车辆运动模式作为车载自组织网络运动特征的重要部分,能够用于优化车载自组织网络的设计。在我们的工作中,我们将车辆行驶路径预测算法用于车载自组织网络路由协议和数据传输机制的设计中。在相同的车载自组织网络环境下,应用了车辆行驶路径预测算法的网络协议表现出更优的性能。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号