-
题名基于概率后缀树的移动对象轨迹预测
被引量：4
- 1
-
-
作者
王兴
蒋新华
林劼
熊金波
-
机构
中南大学信息科学与工程学院
福建师范大学软件学院
福建工程学院下一代互联网应用技术研究中心
-
出处
《计算机应用》
CSCD
北大核心
2013年第11期3119-3122,3133,共5页
-
基金
福建省重大专项(2011HZ0002-1)
国家自然科学基金资助项目(61101139)
+1 种基金
福建省科技计划重点项目(2011H0002)
福建省交通科技计划项目(201122)
-
文摘
在移动对象轨迹预测中,针对低阶马尔可夫模型预测准确率不高、高阶模型状态空间膨胀的问题,提出一种基于概率后缀树(PST)的动态自适应变长马尔可夫模型预测方法。首先依时间先后将移动对象的轨迹路径序列化;然后根据移动对象的历史轨迹数据进行学习训练,计算序列上下文的概率特征,建立路径序列的概率后缀树模型,结合当前实际轨迹数据,动态自适应预测将来的位置信息。实验结果表明,该模型在二阶时取得最高的预测精度,随着阶数的增加,预测精度保持在82%左右,能取得较好的预测效果;同时空间复杂度呈指数级减少,大大节省了存储空间。该方法充分利用历史轨迹数据和当前轨迹信息预测未来轨迹,能够提供更加灵活、高效的基于位置服务。
-
关键词
变长马尔可夫模型
概率后缀树
历史轨迹
轨迹预测
-
Keywords
variable order Markov model
probabilistic suffix tree （pst）
history trajectory
trajectory prediction
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
