|
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
( _- s& x9 X6 V1 p* D d6 ^& a摘要:基于拟合的传统轨迹预测算法已无法满足高精度和实时性预测要求.提出基于卡尔曼滤波的动态轨迹预测算法,对移动对象动态行为进行状态估计,利用前一时刻的估计值和当前时刻的观测值更新对状态变量的估计，进而对下一时刻的轨迹位置预测.大量真实移动对象数据集上的实验结果表明;GeoLife数据集上基于卡尔曼滤波的轨迹预测算法的平均预测误差(预测轨迹点与实际轨迹点的均方根误差)为12.5米;与基于轨迹拟合的轨迹预测算法相比,T-Drive数据集预测误差平均下降了555.4米,预测准确率提升了7.1%.在保证预测时效性前提下,基于卡尔曼滤波的动态轨迹预测算法解决了轨迹预测精度较低的问题.1 |! T3 Z1 a3 `1 z" Z2 ^$ C; D- G4 w" w+ N. h
8 Y" J& k3 z5 D& d8 w
关键词:移动对象数据库;状态估计;轨迹预测;卡尔曼滤波;轨迹拟合* ]1 U' n+ S H
4 u9 C: J- t9 x4 {& E+ s
卡尔曼滤波(Kalman Filtering)通过系统输入输出观测数据对系统状态进行最优估计,尤其适用于运动状态频繁变化运动行为的预测,能够实现实时预测.3 G6 \8 Y+ h8 u- q4 g$ F
3 x/ ]0 ?9 t) _ k& Q! R
9 r. p6 D! e. s+ a6 z5 n, p( i/ d/ k% V; a4 ?/ c) v2 _
8 g( d. {! J; X% ?+ ]$ j
; b# |, \0 g3 B6 `# I9 W |
|
/1 
发表于 2021-4-19 09:22
收藏
淘帖
支持！
反对！