大数据环境下移动对象自适应轨迹预测模型

来源：软件学报杂志2015年第11期北京时间：

作者：乔少杰,李天瑞,韩楠,高云君,元昌安,王晓腾,唐常杰

单位：乔少杰，西南交通大学 信息科学与技术学院, 四川 成都 61003111,李天瑞，西南交通大学 信息科学与技术学院, 四川 成都 61003102,韩楠，西南交通大学 生命科学与工程学院, 四川 成都 61003103,高云君，浙江大学 计算机科学与技术学院, 浙江 杭州 31002704,元昌安，科学计算与智能信息处理广西高校重点实验室(广西师范学院), 广西 南宁 53002305,王晓腾，西南交通大学 信息科学与技术学院, 四川 成都 61003106,唐常杰，四川大学 计算机学院, 四川 成都 61006507

摘要：已有的轨迹预测算法针对移动对象运动模式,使用数学模型进行交通流模拟,难以对路网中的移动对象进行准确的描述.为了解决这一问题,提出基于隐马尔可夫模型(hidden Markov model,简称HMM)的自适应轨迹预测模型SATP(self-adaptive trajectory prediction model based on HMM),对大数据环境下移动对象海量轨迹利用基于密度的聚类方法进行位置密度分区和高效分段处理,减少HMM的状态数量.根据输入轨迹自动选取参数组合,避免HMM模型中隐状态不连续、状态停留等问题.实验结果表明,SATP模型在实验中表现出较高的预测准确性,并维持较低的时间开销.针对速度随机改变的移动对象,其平均预测准确率为84.1%;相同情况下,平均高出朴素预测算法46.7%.

关键词：位置大数据;智能交通;轨迹预测;隐马尔可夫模型;自适应

基金资助：国家自然科学基金(61100045, 61165013); 高等学校博士学科点专项科研基金(20110184120008); 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); 中央高校基本科研业务费专项资金(2682013 BR023); 四川省教育厅资助科研项目(14ZB0458); 科学计算与智能信息处理广西高校重点实验室开放课题(GXSCIIP201407)