基于最小二乘支持向量机的车辆位置缺失信息预测方法研究

• 作者: 于德新 郭海波 莫元富 常丽君
• 来源期刊: 市政技术
• 关键词: 智能交通 车联网 车辆位置缺失预测 最小二乘支持向量机
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 道路与交通工程|ROAD & TRAFFIC ENGINEERING
• 页码范围: 17-22
• 页数: 6页
• 分类号: U491
• 语种: 中文
• DOI: 10.19922/j.1009-7767.2021.04.017

摘要

车联网的不断发展加速了车辆通信的发展,但在车联网的DSRC通信模式下,车辆的位置信息受到高密度广播和电磁辐射等因素的干扰,导致GPS采集的原始车辆信息数据丢失,因此提出了基于最小二乘支持向量机的信标数据补齐算法.与以往研究中利用车辆运行的历史趋势预测车辆位置的方法不同,该方法试图找出一个函数来建立车辆的丢失值与过去值的关系,采用非线性函数逼近,结合卡尔曼滤波来预测缺失的车辆位置.为了验证该算法的有效性,对人为丢失部分真实的原始数据进行了补齐验算.结果表明,补齐后的车辆位置数据与真实数据的平均相对误差为0.45％,最大绝对相对误差为8.25％.与PWHOG算法、差分矩阵、移动平均数据预处理等方法相比,该方法具有无需提取历史趋势数据、计算精度高的优点,适用于车联网环境下车辆位置的实时采集,可以减少检测时间并降低计算的复杂度.