受限路网中基于全局学习机制的在线轨迹预测

ISCAS OpenIR

	受限路网中基于全局学习机制的在线轨迹预测
其他题名	network-constrained on-line path prediction based on global learning mechanism
	徐怀野; 丁治明; 刘奎恩; 许佳捷
	2012
发表期刊	计算机科学
ISSN	1002-137X
卷号	39 期号:8 页码:169-172
摘要	受限路网中移动对象的轨迹预测已成为智能交通关注的热点,被广泛应用于应急保障、车辆导航等领域.但在仅知道移动对象近期轨迹的情况下,现有方法难以解决其未来路径的在线预测问题.提出一种新的在线轨迹预测方法LPP,即通过全局学习机制发现最长频繁路径,构造快速访问结构LPP-tree.基于移动对象近期轨迹可对未来运动路径进行快速在线预测.通过实验,验证了该方法的有效性.
收录类别	WANFANG ; CNKI ; CSCD
其他摘要	The trajectory prediction of the moving object in the network-constrained has been the hot spot of the intelligent traffics attention.And it has been widely used in the area of emergency security,GPS and so on.But if we only know the recent trajectory of the moving object,we couldnt predict its future trajectory with the existing methods.A trajectory predictions method LPP(longest frequent path prediction) was put forward,which could construct the fast accessing structure LPP-tree through the global learning mechanism to find out the longest frequent trajectory.Based on the recent trajectory of the moving object,one could predict its future trajectory swiftly online.And the experiment proves the validity of this method.
关键词	受限路网移动对象在线轨迹预测全局学习机制
部门归属	中国科学院软件研究所北京100190;中国科学院研究生院北京100049 中国科学院软件研究所北京100190
学科领域	Computer Science (Provided By Thomson Reuters)
资助者	国家自然科学基金项目(60970030)\|教育部留学回国人员科研启动基金项目(外教司[2006J331])资助
语种	中文
CSCD记录号	CSCD:4616606
内容类型	期刊论文
URI标识	http://ir.iscas.ac.cn/handle/311060/15320
专题	中国科学院软件研究所
推荐引用方式 GB/T 7714	徐怀野,丁治明,刘奎恩,等. 受限路网中基于全局学习机制的在线轨迹预测[J]. 计算机科学,2012,39(8):169-172.
APA	徐怀野,丁治明,刘奎恩,&许佳捷.(2012).受限路网中基于全局学习机制的在线轨迹预测.计算机科学,39(8),169-172.
MLA	徐怀野,et al."受限路网中基于全局学习机制的在线轨迹预测".计算机科学 39.8(2012):169-172.