文献类型：期刊文章

作　　者：乔少杰[1] 韩楠[2] 朱新文[3] 舒红平[4] 郑皎凌[4] 元昌安[5]

机构地区：[1]成都信息工程大学网络空间安全学院,四川成都610225 [2]成都信息工程大学管理学院,四川成都610103 [3]西南交通大学信息科学与技术学院,四川成都611756 [4]成都信息工程大学软件工程学院,四川成都610225 [5]广西师范学院计算机与信息工程学院,广西南宁541004

出　　处：《电子学报》

基　　金：国家自然科学基金(No.61772091;No.61363037);教育部人文社会科学研究规划基金(No.15YJAZH058);教育部人文社会科学研究青年基金(No.14YJCZH046);四川省教育厅资助科研项目(No.14ZB0458);成都信息工程大学引进人才科研启动项目(No.KYTZ201715;No.KYTZ201750);成都信息工程大学中青年学术带头人科研基金(No.J201701);四川高校科研创新团队建设计划资助(No.18TD0027)

年　　份：2018

卷　　号：46

期　　号：2

起止页码：418-423

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、RSC、SCOPUS、ZGKJHX、核心刊

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:Geo Life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.

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  

分 类 号：TP311]