一种基于高斯混合模型的轨迹预测算法

• 作者: Louis Alberto GUTIERREZ 乔少杰 唐常杰 格桑多吉 金琨 韩楠
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 移动对象数据库 轨迹预测 高斯混合模型 运动模式
• 年，卷（期）: 2015,（5）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 1048-1063
• 页数: 16页
• 分类号: TP18
• 字数: 11623字
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.004796

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的预测准确性平均提高了22.2%和23.8%,预测时间平均缩减了92.7%和95.9%.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐常杰	四川大学计算机学院	164	2750	30.0	45.0
2	格桑多吉	西藏大学藏文信息技术研究中心	36	231	8.0	14.0
3	乔少杰	西南交通大学信息科学与技术学院	20	339	10.0	18.0
4	韩楠	西南交通大学生命科学与工程学院	5	198	5.0	5.0
5	金琨	西南交通大学信息科学与技术学院	1	106	1.0	1.0