基于马尔可夫链的轨迹预测.doc

第３卷第８期７２１年８月００

计算机科学ＣｍｕｅＳｉｎｅｏｐｔｒｃｃｅ

Ｖｌ３ｏ８ｏ．７Ｎ．Ａｇ２１ｕ００

基于马尔可夫链的轨迹预测
２２彭曲１，丁治明２郭黎敏１，

（中国科学院软件研究所北京１０９）（中国科学院研究生院北京１０４）０１０１００９２
摘要为了支持在城市交通网络上，对移动对象的位置进行有效的预测，提出了一种基于马尔可夫链的移动对象轨迹预测方法。该方法根据城市交通网络的特征，依靠统计并有效利用历史轨迹进行预测。最后讨论了数据结构和算法的一些优化，并分析了算法复杂度。实验证明加权马尔可夫链的轨迹预测给出了令人满意的结果。关键词移动对象，交通网络，轨迹预测，马尔可夫链

ＰｅｉｉｎｏｒｊｃｏｙＢｓｄｏａｋｖＣａｎｒｄｃｏｆＴａｅｔｒａｅｎＭｒｏｈｉｓｔ
１ＰＮＧｕ２ＤＮＧＺｉｉｇＧＵＯＬ－ｍｎ２ＥＱ１Ｉｈ－ｍｎ２ｉｉ，，

（ｓｔｔｏｔａｅＣｉｅｅＡａｅｙｏｃｎｅ，ｅｉｇ１０９，ｈｎ）ＩｔｕｅｏＳｆｗｒ，ｈｎｓｃｄｍｆＳｉｃｓＢｉｎ０１０Ｃｉａ１ｎｉｆｅｊ（ｒｄａｅＵｉｅｓｙｏｈｎｓｃｄｍｆＳｉｎｅ，ｅｉｇ１０４，ｈｎ）ＧａｕｔｎｖｒｉｆＣｉｅｅＡａｅｙｏｃｃｓＢｉｎ００９Ｃｉａ２ｔｅｊ

Ａｓａｔｎｔｉａｅ，ｒｄｔｎｂｓｄｏａｋｖｃａｎａｒｐｓｄｗｉｈｓｐｏｔｏｉｇＯｊｃｓｔａｃｏｙｂｔｃＩｈｓｐｐｒａｐｅｉｉａｅｎｍｒｏｈｉｓｗｓｐｏｏｅ，ｈｃｕｐｒｓＭｖｎｂｅｔｊｔｒｒｃｏｒｅｒｄｔｎｔｆｃｎｔｏｋ．ｈｓｍｔｏａｅｎｃａａｔｒｆｒｆｃｎｔｏｋ，ｅｅｄｎｓａｓｃ，ｎｆｃｃｏｒｆｉｔｆｉｉｆｐｅｉｉｎｏａｉｅｗｒｓＴｉｅｈｄｓｂｓｄｏｈｒｃｅｓｏａｉｅｗｒｓｄｐｎｓｏｔｔｔｓａｄｅｅ－ｔｅｙｕｅｓｏｉａｔａｃｏｉｓＦｎｌｉａｅｓｕｓｄａｏｔｏｅｐｉｉａｏｓｎｄｔｒｃｕｅｎｇｒｈ，ｉｌｓｓｈｔｒｌｒｊｔｒ．ｉａｙｈｓｐｐｒｉｃｓｅｂｕｍｔｍｚｔｎａａｔｕｔｒｄａｏｉｍｖｉｃｅｅｌｔｄｓｏｉｏｓａｌｔｃｏａｄａａｙｅｈｍｎｐｃｏｐｅｉ．ｘｅｉｅｔｌｔｄｅｎｉａｅｔａｈｒｄｔｎｂｓｄｏａｋｖｃａｎｎｎｌｓｄｔｅｉｅａｄｓａｅｃｍｌｘｙＥｐｒｍｎａｓｕｉｓｄｔｈｔｅｐｅｉｉａｅｎｍｒｏｈｉｓｔｔｉｃｔｉｔｉｅｓａｓｔｆｉｇｒｓｌｇｖｓｕａｓｙｎｅｕ．ＫｙｏｄＭｖｎｂｅｔ，ｒｆｃｎｔｏｋ，ｒｊｃｏｙｐｅｉｉｎＭｒｏｈｉｓｅｗｒｓｏｉｇｏｊｃｓＴａｉｅｗｒｓＴａｔｒｒｄｔ，ａｋｖｃａｎｆｅｃｏ

１前言
随着３时代的到来，Ｐ设备陆续地被装备到一般的ＧＧＳ一车辆上，些手持设备如ＰＡ，ｏｋｔＰ也都开始装备ＤＰｃｅＣ在不久的将来，Ｐ将会得到大规模的普遍ＧＳ。可以预见，ＰＧＳ使用。如何更好地把ＧＳ用于智能交通管理和交通检测已Ｐ经成为当前关注的焦点。然而移动对象的位置信息总是有间隔地发送，是移动可
１２对象的位置属性却具有连续变化的特性［，］。这样在一小段３４时间内将会丢失移动对象的位置。现有算法［，］中，多是大

图１车辆转弯情况

移动对象轨迹预测是移动数据管理的重要研究分支。随着各种基于位置的信息服务越来越受到国内外研究学者的关
１轨迹预测技术是其中最受关注的热点问题之一。轨迹注［２］，

首如基于对速率的预测，先根据车辆是否密集，果车辆密集，每辆车不可能按自己可能的速率行驶，测速率则根据车辆预间的相互制约来预测，可认为所有车辆的速率大致相同；果如不是在车辆密集区则根据车辆的历史速率和当前速率预测，或直接使用近Ｋ次速率的平均速率。这些算法虽然基本解决了速率的问题，是在预测车辆位置的时候，有些问题：但则尽管车辆报告位置可以尽量频繁，是仍然不可避免车辆在但这两次报告位置之间转到另一条道路上，样基于速率的预测就只能得到车辆的一个可能区域范围。如图１所示，果一如车辆最近一次报告的位置在Ａ点，么过一段时间，辆可那车能行驶到Ｂ点，也可能行驶到Ｃ点。所以寻求一个有效的方法对车辆的轨迹进行预测是有必要的。

预测技术具有高度的研究价值和广泛的应用领域，例如：预若测到车辆要经过的下一道路处于拥堵状态，将道路拥堵的则信息发送给司机，这样司机就能改变路线，避免堵车。一般来说，移动对象轨迹预测方法主要分为基于欧式空间的轨迹预测和基于路网受限的轨迹预测。基于欧式空间的预测方法可以分为基于模式的预测和基
５于向量的预测。基于模式预测［］的基本思想是通过频繁模式６再挖掘找出轨迹模式［］，根据轨迹模式进行轨迹预测。基于

向量的预测方法有线性模型和非线性模型两类。线性模型预
４测［］主要是假设移动对象从前一时刻到当前时刻的运动为匀

根速直线运动，据移动对象前一时刻的位置和速度预测当前
７８时刻移动对象的位置。而非线性模型预测［，］的主要思想是

到稿日期：０９０－６返修日期：０００－２外２０－９１２１－１０本文受国家自然科学基金项目（０７００）教育部留学