運動車輛的軌跡分析算法研究.pdf

1、隨著經(jīng)濟、社會的發(fā)展，車輛數(shù)量慢慢增多，而車輛的違規(guī)行駛、道路擁塞和交通事故等問題也更加頻發(fā)，這些情況對人民的生命、財產(chǎn)安全構(gòu)成較大地威脅。目前，國內(nèi)外對于車輛的碰撞、闖紅燈等行為做了研究，可是當(dāng)?shù)缆肪植堪l(fā)生突發(fā)事件而造成擁塞時，會擾亂正常的行車秩序，這給交通調(diào)度帶來一定的難度。同時，若不能及時告知后續(xù)車輛此時道路的相關(guān)信息，勢必會加劇擁塞，但是現(xiàn)在還沒有可行的方法對這類情形進行分析并做出響應(yīng)。
　　 運動車輛的軌跡分析算法研究

2、從車輛的軌跡信息方面考慮，以研究運動車輛的道路轉(zhuǎn)向為基礎(chǔ)，以當(dāng)?shù)缆肪植堪l(fā)生突發(fā)事件時，能采取有效地措施來保障擁塞問題不會加劇為目的。軌跡信息是預(yù)測車輛道路轉(zhuǎn)向的重要特征，本課題通過對道路場景的分析，選用混合高斯模型來更新背景，從而有效地檢測運動車輛。
　　 論文的主要工作如下：
　　 研究了基于馬爾可夫鏈的軌跡預(yù)測算法的基本原理和預(yù)測過程，經(jīng)過分析發(fā)現(xiàn)，通過該算法建立的預(yù)測模型僅僅是根據(jù)統(tǒng)計歷史軌跡進行馬爾可夫鏈訓(xùn)練得到

3、。但是，當(dāng)?shù)缆肪植堪l(fā)生突發(fā)事件時，該模型沒有學(xué)習(xí)功能，仍按照原方法訓(xùn)練模型，道路轉(zhuǎn)向是沒有任何變化的，勢必導(dǎo)致?lián)砣鼑?yán)重。因此，在路網(wǎng)特征和歷史軌跡的統(tǒng)計信息的基礎(chǔ)上，引入運動車輛本次軌跡的歷史信息，并構(gòu)建了一種改進的基于馬爾可夫鏈的預(yù)測算法。該算法將前期處理得到的軌跡數(shù)據(jù)進行學(xué)習(xí)，得到一種改進的馬爾可夫鏈軌跡預(yù)測模型，用該模型進行車輛軌跡預(yù)測。最后，利用隱馬爾可夫模型識別車輛軌跡。
　　 實驗結(jié)果表明，改進的算法能通過自身的重