多模式移动对象不确定性轨迹预测模型
以移动设备、车辆、飞机、飓风等移动对象不确定性轨迹预测问题为背景,将大规模移动对象数据作为研究对象,以频繁轨迹模式挖掘、高斯混合回归技术为主要研究手段,提出多模式移动对象轨迹预测模型,关键技术包括:1)针对单一运动模式,提出一种基于频繁轨迹模式树FTP-tree的轨迹预测方法,利用基于密度的热点区域挖掘算法将轨迹点划分成不同的聚簇,构建轨迹频繁模式树,挖掘频繁轨迹模式预测移动对象连续运动位置.不同数据集上实验结果表明基于FTP-tree的轨迹预测算法在保证时间效率的前提下预测准确性明显优于已有预测算法.2)针对复杂多模式运动行为,利用高斯混合回归方法建模,计算不同运动模式的概率分布,将轨迹数据划分为不同分量,利用高斯过程回归预测移动对象最可能运动轨迹.实验证明,相比于基于隐马尔科夫模型和卡尔曼滤波的预测方法,所提方法具有较高的预测准确性和较低的时间代价.
移动对象数据库、多模式、轨迹预测、频繁轨迹模式
44
国家高技术研究发展计划863计划2014BAI06B01;国家自然科学基金61772091,61100045,91546111,61501063,61501064,61772138;教育部人文社会科学研究规划基金15YJAZH058;教育部人文社会科学研究青年基金14YJCZH046;四川省教育厅资助科研项目14ZB0458;成都市软科学项目2015-RK00-00059-ZF;四川高校科研创新团队建设计划资助18TD0027;成都信息工程大学中青年学术带头人科研基金J201701;成都信息工程大学引进人才科研启动项目KYTZ201715,KYTZ201750
2018-09-29（万方平台首次上网日期，不代表论文的发表时间）
共11页
608-618
