受限路网中基于全局学习机制的在线轨迹预测

• 作者: 丁治明 刘奎恩 徐怀野 许佳捷
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 受限路网 移动对象 在线轨迹预测 全局学习机制
• 年，卷（期）: 2012,（8）
• 所属期刊栏目: 数据库与数据挖掘
• 页码范围: 169-172
• 分类号: TP311
• 字数: 5367字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-137X.2012.08.036

摘要

受限路网中移动对象的轨迹预测已成为智能交通关注的热点,被广泛应用于应急保障、车辆导航等领域.但在仅知道移动对象近期轨迹的情况下,现有方法难以解决其未来路径的在线预测问题.提出一种新的在线轨迹预测方法LPP,即通过全局学习机制发现最长频繁路径,构造快速访问结构LPP-tree.基于移动对象近期轨迹可对未来运动路径进行快速在线预测.通过实验,验证了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁治明	中国科学院软件研究所	31	798	12.0	28.0
2	徐怀野	中国科学院软件研究所	2	20	2.0	2.0
6	刘奎恩	中国科学院软件研究所	7	101	4.0	7.0
7	许佳捷	中国科学院软件研究所	3	11	2.0	3.0