基于INSGPS的车辆位置预测算法研究与应用The vehicle location prediction lgorithm based on INSGPS research and application.docxVIP

Research Research and Application of Vehicle Location Prediction Algorithm based on INS／GPS by Liao Jiaqi B．E．(Hunan UniVersity)2013 A thesis submitted in partial satisfaction of the Requirements for the degree of Master of Engineering 1n Information and Communication Engineering in the Graduate School of Hunan University Supervisor Professor WANG Dong May，2016 万方数据 湖南大学学位论文原创性声明 湖南大学 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取 得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何 其他个人或集体己经发表或撰写的成果作品。对本文的研究做出重要贡献 的个人和集体，均己在文中以明确方式标明。本人完全意识到本声明的法 律后果由本人承担。 作者签名：粤磊琦 日期：趵形年争月z7日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学 校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被 查阅和借阅。本人授权湖南大学可以将本学位论文的全部或部分内容编入 有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编 本学位论文。 本学位论文属于 1、保密口，在 年解密后适用本授权书。 2、不保密阢 (请在以上相应方框内打“巾) 作者签名：廖毳琦 日期：如膳年乒月27日 刷磁锄≈彳。 日期：加膨年孕月z7日 万方数据 基于INS／GPS的车辆位置预测算法研究与应用摘 基于INS／GPS的车辆位置预测算法研究与应用 摘 要 在智能交通系统的众多应用服务中，车辆位置预测尤为重要。许多基于 INS／GPS组合导航系统进行车辆定位的研究，以期获得比单独INS或GPS更加持 续、稳定的导航信息。当GPS信号短暂中断时，可以融合INS和GPS数据来继 续导航，虽然之前对于此数据融合算法已有许多的研究，但它们大多数采用离线 预测的方式，这样在城市极端交通场景下，例如交通事故、恶劣天气或者上下班 高峰期，容易出现传感器数据波动、GPS信号干扰等问题，因此要求车辆位置预 测算法更加符合真实的交通场景，能够处理由此带来的传感器误差增大、建模困 难等等问题，算法要具备实际应用中的鲁棒性和稳定性。 本文研究在智能交通系统中的车辆位置预测问题，当GPS信号短暂失效时， 通过融合INS传感器数据，进行车辆位置的建模预测，以获得持续可靠的车辆导 航信息。主要工作包括： 针对智能交通系统的特点和意义，详细阐释车辆定位在现代交通应用中的重 要作用。相对于传统的车辆定位技术，分析了INS／GPS组合导航系统的特点以及 优缺点。针对INS／GPS组合导航系统的数据融合问题，分析已有的多种融合算法， 并比较其优缺点，认为现有的离线算法无法适应城市极端交通场景的应用。 在现有车辆位置预测领域的经典预测算法基础之上，分析其应用基础。针对 GPS和INS系统的特点，分析预测过程中可能产生的误差来源。 设计一种基于在线支持向量机回归的位置预测算法(OL．SVR)。该算法使用 在线增量预测方式，利用历史的车辆行驶数据进行建模预测，获得可靠的车辆位 置。通过实验证明，它比现有的BPNN和PLSR算法精确度提高了20．3％一64．8％。 为了提高定位精度，结合支持向量机回归算法和权值学习法，进一步设计一 种基于加权SVR的位置预测算法(WSVR)。由于下一刻车辆位置的关联度取决 于该行驶状态数据发生点与预测点之间的时间差，因此该算法针对预测数据点的 远近，对每个训练集划分不同的权值，填补了在线增量学习方法在不同时间点数 据的权值相同的空白。实验证明，WSVR算法与OL．SVR相比较，精确度提高了 14．45％．62．52％。 本文使用JAVA编程语言与MATLAB平台相结合实现数据采集模块、算法实 现模块和数据可视化模块，为车辆位置预测算法的实现与评估提供了一种简单、 有效的方法。 关键词：智能交通系统；位置预测；GPS失效；OL-SVR；WSVR II 万方数据 AbstractAmong Abstract Among the many applications of intelligent transportation systems·Vehlcle position prediction is partic