%0 Journal Article
%T 一种基于高斯混合模型的轨迹预测算法
%A 乔少杰？
%A 金琨？
%A 韩楠？
%A 唐常杰？
%A 格桑多吉？
%A Louis
%A Alberto
%A GUTIERREZ？
%J 软件学报
%P 1048-1063
%D 2015
%R 10.13328/j.cnki.jos.004796
%X 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%.
%K 移动对象数据库
%K 轨迹预测
%K 高斯混合模型
%K 运动模式
%U http://www.jos.org.cn/ch/reader/view_abstract.aspx?file_no=4796&flag=1