基于INS-GPS的車輛位置預(yù)測算法研究與應(yīng)用.pdf

1、在智能交通系統(tǒng)的眾多應(yīng)用服務(wù)中，車輛位置預(yù)測尤為重要。許多基于INS/GPS組合導(dǎo)航系統(tǒng)進(jìn)行車輛定位的研究，以期獲得比單獨(dú)INS或GPS更加持續(xù)、穩(wěn)定的導(dǎo)航信息。當(dāng)GPS信號短暫中斷時，可以融合INS和GPS數(shù)據(jù)來繼續(xù)導(dǎo)航，雖然之前對于此數(shù)據(jù)融合算法已有許多的研究，但它們大多數(shù)采用離線預(yù)測的方式，這樣在城市極端交通場景下，例如交通事故、惡劣天氣或者上下班高峰期，容易出現(xiàn)傳感器數(shù)據(jù)波動、GPS信號干擾等問題，因此要求車輛位置預(yù)測算法更加符

2、合真實的交通場景，能夠處理由此帶來的傳感器誤差增大、建模困難等等問題，算法要具備實際應(yīng)用中的魯棒性和穩(wěn)定性。
　　本文研究在智能交通系統(tǒng)中的車輛位置預(yù)測問題，當(dāng)GPS信號短暫失效時，通過融合INS傳感器數(shù)據(jù)，進(jìn)行車輛位置的建模預(yù)測，以獲得持續(xù)可靠的車輛導(dǎo)航信息。主要工作包括:
　　針對智能交通系統(tǒng)的特點(diǎn)和意義，詳細(xì)闡釋車輛定位在現(xiàn)代交通應(yīng)用中的重要作用。相對于傳統(tǒng)的車輛定位技術(shù)，分析了INS/GPS組合導(dǎo)航系統(tǒng)的特點(diǎn)以及優(yōu)缺

3、點(diǎn)。針對INS/GPS組合導(dǎo)航系統(tǒng)的數(shù)據(jù)融合問題，分析已有的多種融合算法，并比較其優(yōu)缺點(diǎn)，認(rèn)為現(xiàn)有的離線算法無法適應(yīng)城市極端交通場景的應(yīng)用。
　　在現(xiàn)有車輛位置預(yù)測領(lǐng)域的經(jīng)典預(yù)測算法基礎(chǔ)之上，分析其應(yīng)用基礎(chǔ)。針對GPS和INS系統(tǒng)的特點(diǎn)，分析預(yù)測過程中可能產(chǎn)生的誤差來源。
　　設(shè)計一種基于在線支持向量機(jī)回歸的位置預(yù)測算法(OL-SVR)。該算法使用在線增量預(yù)測方式，利用歷史的車輛行駛數(shù)據(jù)進(jìn)行建模預(yù)測，獲得可靠的車輛位置。通過

4、實驗證明，它比現(xiàn)有的BPNN和PLSR算法精確度提高了20.3％-64.8％。
　　為了提高定位精度，結(jié)合支持向量機(jī)回歸算法和權(quán)值學(xué)習(xí)法，進(jìn)一步設(shè)計一種基于加權(quán)SVR的位置預(yù)測算法(WSVR)。由于下一刻車輛位置的關(guān)聯(lián)度取決于該行駛狀態(tài)數(shù)據(jù)發(fā)生點(diǎn)與預(yù)測點(diǎn)之間的時間差，因此該算法針對預(yù)測數(shù)據(jù)點(diǎn)的遠(yuǎn)近，對每個訓(xùn)練集劃分不同的權(quán)值，填補(bǔ)了在線增量學(xué)習(xí)方法在不同時間點(diǎn)數(shù)據(jù)的權(quán)值相同的空白。實驗證明，WSVR算法與OL-SVR相比較，精確度