文献类型：期刊文章

作　　者：王兴[1,2] 蒋新华[1,3] 林劼[2] 熊金波[2]

机构地区：[1]中南大学信息科学与工程学院,长沙410075 [2]福建师范大学软件学院,福州350108 [3]福建工程学院下一代互联网应用技术研究中心,福州350108

出　　处：《计算机应用》

基　　金：福建省重大专项(2011HZ0002-1);国家自然科学基金资助项目(61101139);福建省科技计划重点项目(2011H0002);福建省交通科技计划项目(201122)

年　　份：2013

卷　　号：33

期　　号：11

起止页码：3119-3122

语　　种：中文

收录情况：AJ、BDHX、BDHX2011、CSA、CSA-PROQEUST、CSCD、CSCD2013_2014、IC、INSPEC、JST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：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

分 类 号：TP311]