亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于HMM的電動(dòng)汽車(chē)行車(chē)軌跡糾偏優(yōu)化

        2020-09-29 08:09:16劉偉東劉小琛
        關(guān)鍵詞:定位點(diǎn)馬爾可夫行車(chē)

        劉偉東,趙 新,李 磊,劉小琛,李 丹

        (1.國(guó)網(wǎng)天津市電力公司 電力科學(xué)研究院,天津 300021;2.國(guó)網(wǎng)天津市電力公司 營(yíng)銷(xiāo)部,天津 300010)

        0 引 言

        由于電動(dòng)汽車(chē)廣泛應(yīng)用的基礎(chǔ)設(shè)施如充電設(shè)施較少,限制了電動(dòng)汽車(chē)的進(jìn)一步發(fā)展。電動(dòng)汽車(chē)行車(chē)軌跡數(shù)據(jù)可應(yīng)用在電動(dòng)汽車(chē)充電設(shè)施的整體規(guī)劃中,精確的電動(dòng)汽車(chē)行車(chē)軌跡數(shù)據(jù)可以結(jié)合城市規(guī)劃及交通情況,為充電設(shè)備選址規(guī)劃提供數(shù)據(jù)支撐[1-4]。特別是在無(wú)人駕駛電動(dòng)汽車(chē)領(lǐng)域,精確的軌跡能夠確保無(wú)人駕駛汽車(chē)的高安全性[5-7]。行車(chē)軌跡的經(jīng)緯度等定位數(shù)據(jù)信息變化頻繁,其可以結(jié)合GPS、電子地圖和可視化等技術(shù)進(jìn)行軌跡繪制和定位的特點(diǎn),從而可以將汽車(chē)行駛過(guò)程中不符合道路特征的定位數(shù)據(jù)信息進(jìn)行糾偏,以正確獲得行車(chē)軌跡,進(jìn)而獲得更為準(zhǔn)確的定位數(shù)據(jù),解決軌跡不準(zhǔn)確等問(wèn)題。現(xiàn)有文獻(xiàn)提出了基于數(shù)據(jù)擬合、概率統(tǒng)計(jì)和預(yù)測(cè)等方法以解決軌跡不準(zhǔn)確問(wèn)題,但還是存在定位頻率低引起定位軌跡信息不連續(xù)等問(wèn)題。隱馬爾可夫模型(hidden Markov model,HMM)是一種統(tǒng)計(jì)模型,當(dāng)前已有研究將其與物聯(lián)網(wǎng)技術(shù)集成應(yīng)用在軌跡預(yù)測(cè)中[8-10]。本文將采用HMM模型進(jìn)行電動(dòng)汽車(chē)的行車(chē)過(guò)程中定位軌跡的數(shù)據(jù)不準(zhǔn)確問(wèn)題進(jìn)行糾錯(cuò),并提出了隱馬爾可夫糾偏定位點(diǎn)優(yōu)化算法以提升定位精度,可為電動(dòng)汽車(chē)的充電設(shè)施的選址提供精確的行車(chē)軌跡數(shù)據(jù)來(lái)源。

        1 相關(guān)理論

        隱馬爾可夫模型是一種關(guān)于時(shí)間序列的概率模型,是經(jīng)典的預(yù)測(cè)模型。其中的馬爾可夫鏈概念是指在給定已知信息和狀態(tài)的情況下,只使用當(dāng)前信息去預(yù)測(cè)未知的信息,已知的信息稱(chēng)為可見(jiàn)狀態(tài)鏈,未知的狀態(tài)稱(chēng)為隱馬爾可夫鏈。其應(yīng)用在預(yù)測(cè)方面,僅使用當(dāng)前已知的狀態(tài)去預(yù)測(cè)未來(lái)的未知狀態(tài),隱馬爾可夫模型的具體定義請(qǐng)參見(jiàn)文獻(xiàn)[10],此處簡(jiǎn)述本文用到的部分相關(guān)概念及定義如下

        P(Xn+1=x|X0,X1,X2,…,Xn)=P(Xn+1|Xn)

        (1)

        式中:Xn代表當(dāng)前的狀態(tài),Xn+1代表在已知當(dāng)前狀態(tài)的情況下Xn+1的狀態(tài)。Xn+1和Xn有關(guān),與X0,X1,X2,…,Xn-1無(wú)關(guān),這種假設(shè)性前提則是一階馬爾可夫鏈;如果未來(lái)狀態(tài)只與前兩個(gè)狀態(tài)有關(guān),那么稱(chēng)為二階馬爾可夫鏈;……,以此類(lèi)推。

        隱馬爾可夫模型用能觀察到的馬爾可夫可見(jiàn)狀態(tài)鏈去預(yù)測(cè)隱馬爾可夫鏈。針對(duì)車(chē)輛軌跡的糾偏問(wèn)題,原理上屬于預(yù)測(cè)問(wèn)題,可用隱馬爾可夫模型,即在已知監(jiān)測(cè)位置信息的情況下來(lái)預(yù)測(cè)實(shí)際的行車(chē)軌跡位置信息,將偏離實(shí)際位置較大的定位數(shù)據(jù)進(jìn)行剔除。

        假設(shè)K為所有可見(jiàn)狀態(tài)鏈的狀態(tài)集合,G是所有可觀測(cè)到的狀態(tài)集合

        K={q1,q2,…,qM},G={g1,g2,…,gN}

        (2)

        I為長(zhǎng)度是t的狀態(tài)序列,O是對(duì)應(yīng)觀測(cè)序列

        I={i1,i2,…,it},O={o1,o2,…,ot}

        (3)

        設(shè)狀態(tài)數(shù)為N,觀測(cè)數(shù)為M,隱馬爾可夫模型(λ)通常用λ=(A,B,π) 表示。其中,A是狀態(tài)轉(zhuǎn)移概率矩陣,B是觀測(cè)概率矩陣,π是初始狀態(tài)概率向量,具體如下

        A=[aij]M*M

        (4)

        式中:aij=P(it+1=qj|it=qi), 1≤i,j≤M。

        B=[bj(k)]M*N

        (5)

        式中:bj(k)=P(ot=gk|it=qj), 1≤k≤N, 1≤j≤M。

        π=(πi)

        (6)

        式中:πi=P(i1=qi), 1≤i≤M。

        2 行車(chē)軌跡糾偏模型

        建立的基于隱馬爾可夫的行車(chē)軌跡模型主要包括如下部分:

        (1)可見(jiàn)狀態(tài)鏈:從待定位車(chē)輛的定位感知設(shè)備(例如GPS定位終端、手機(jī)位置傳感器等)中獲取電動(dòng)汽車(chē)所在位置的經(jīng)緯度。

        (2)觀測(cè)序列:Y=(Yx|x=1,2,…,S), 其中S代表有定位設(shè)備在S個(gè)位置處采集到的經(jīng)緯度定位數(shù)據(jù)信息。如圖1所示,黑色實(shí)心點(diǎn)A、B、C、D為觀測(cè)序列。

        圖1 行車(chē)軌跡模型中的相關(guān)序列

        (3)交通道路路網(wǎng)節(jié)點(diǎn):RN=(P,R), 其中P=(pi|i=1,2,…,m) 表示道路上的結(jié)點(diǎn),比如交叉路口、道路起點(diǎn)等,R=(rj|j=1,2,…,n) 代表軌跡中路網(wǎng)上的各條道路。如圖1所示,白色空心點(diǎn)P1~P6等為交通道路中的路網(wǎng)節(jié)點(diǎn);圖1中各路網(wǎng)節(jié)點(diǎn)所在的道路即為路網(wǎng)上的各條道路rj。

        (4)隱藏序列:Z=(zi|i=1,2,…,t), 車(chē)輛所處真實(shí)位置,即為需要預(yù)測(cè)與糾偏的真實(shí)行車(chē)軌跡定位序列。

        下面分別介紹該模型中的觀測(cè)概率、狀態(tài)轉(zhuǎn)移概率和初始狀態(tài)概率。

        (7)

        圖2 車(chē)輛軌跡觀測(cè)概率

        (2)狀態(tài)轉(zhuǎn)移概率:與候選定位點(diǎn)之間的真實(shí)距離成正比,表示如下

        p(px+1=zj|px=zi)∝e-α dij

        (8)

        式中:dij表示候選定位點(diǎn)zi與zj之間的距離,α是影響zi與zj之間最短距離元素的參數(shù)。

        (3)初始狀態(tài)概率:p(y1|p1=z1)。

        在時(shí)間t狀態(tài)為i的所有路徑 (i1,i2,…,it) 中概率最大的值是

        δt(i)=maxP(it=i,it-1,…,i1,ot,ot-1,…,o1)
        i=1,2,…,M

        (9)

        由此可推導(dǎo)得出δ

        δt+1(i)=maxP(it+1=i,it,it-1,…,i1,ot+1,ot,…,o1|λ)=
        max[δt(j)aji]bi(ot+1)
        i=1,2,…,M;t=1,2,…,T-1; 1≤j≤M

        (10)

        那么在時(shí)間t狀態(tài)i的所有路徑中概率最大的第t-1個(gè)結(jié)點(diǎn)為

        Ψt(i)=argmax[δt-1(j)aji]i=1,2,…,M

        (11)

        在此模型中,通過(guò)計(jì)算與位置點(diǎn)的距離來(lái)決定隱藏狀態(tài)點(diǎn),應(yīng)用Viterbi算法求解隱藏狀態(tài)點(diǎn)的觀測(cè)概率。

        3 隱馬爾可夫糾偏定位點(diǎn)優(yōu)化算法

        由于HMM模型存在如下兩種假設(shè):①齊次馬爾可夫假設(shè);②觀測(cè)獨(dú)立性假設(shè)。齊次馬爾可夫指的是隱馬爾可夫鏈任意時(shí)刻的狀態(tài)只與它前一時(shí)刻的狀態(tài)有關(guān);觀測(cè)獨(dú)立性指的是任意時(shí)刻的監(jiān)測(cè)只依賴(lài)于該隱馬爾可夫鏈的狀態(tài)。在所構(gòu)建的軌跡糾偏模型中,由于GPS信號(hào)、設(shè)備故障或網(wǎng)絡(luò)信號(hào)等原因?qū)е碌挠^測(cè)到的定位位置出現(xiàn)偏差,這會(huì)導(dǎo)致采用傳統(tǒng)的基于HMM的行車(chē)軌跡糾偏方法的偏差相應(yīng)增大。所以本文在應(yīng)用隱馬爾可夫糾偏模型之前使用遺傳算法先對(duì)定位點(diǎn)進(jìn)行優(yōu)化,剔除偏差較大軌跡點(diǎn),從而提升軌跡糾偏模型的準(zhǔn)確率。具體如算法1所示:

        算法1:隱馬爾可夫糾偏定位點(diǎn)優(yōu)化算法

        輸入:道路節(jié)點(diǎn)定位位置序列(P1、P2、……)

        輸出:刪除偏移點(diǎn)后的優(yōu)化權(quán)重W

        步驟1 將行車(chē)軌跡中的第一個(gè)定位點(diǎn)作為權(quán)重點(diǎn),設(shè)置權(quán)重點(diǎn)α值以及距離閾值D,進(jìn)入步驟2。

        步驟2 根據(jù)定位點(diǎn)和唯一權(quán)重點(diǎn)生成定位軌跡,進(jìn)入步驟3。

        步驟3 軌跡生成過(guò)程中,在出現(xiàn)定位偏差較大的定位點(diǎn)時(shí),權(quán)重點(diǎn)根據(jù)公式W′=α*Pi+β*Pi-1進(jìn)行更新(其中,α+β=1),W′代表更新后的權(quán)重點(diǎn)。若此后的若干定位點(diǎn)沒(méi)有偏移,則判定這個(gè)定位點(diǎn)有效,加入軌跡中并且更新權(quán)重點(diǎn),進(jìn)入步驟4;否則,判定為偏移點(diǎn)并刪除,進(jìn)入步驟5。

        步驟4 輸出權(quán)重W′。

        步驟5 輸出權(quán)重W。

        下面結(jié)合圖3、圖4和圖5分別針對(duì)行車(chē)軌跡中存在的起始點(diǎn)偏移、中間點(diǎn)丟失和單個(gè)偏移點(diǎn)等常見(jiàn)情況進(jìn)行說(shuō)明。假設(shè)選取權(quán)重初始值w(0≤w≤1), 下一個(gè)權(quán)重點(diǎn)更新為W2=P1*(1-w)+P2*w。

        (1)起始點(diǎn)偏移

        如圖3所示,假設(shè)實(shí)心黑色點(diǎn)為定位設(shè)備監(jiān)測(cè)到的定位點(diǎn),空心白色點(diǎn)為權(quán)重點(diǎn)。如果定位點(diǎn)P1、P2與P3之間的距離超過(guò)了設(shè)定的正常距離閾值,則可能P1與P2發(fā)生了偏移,這時(shí)需要為P3重新生成權(quán)重點(diǎn)W2;通過(guò)判斷后面連續(xù)的點(diǎn)之間是否有偏差來(lái)判定前述的點(diǎn)偏移情況,如果沒(méi)有異常則這些點(diǎn)的軌跡正常。如果判定P1和P2發(fā)生了偏移,則刪除P1和P2點(diǎn)。

        圖3 行車(chē)軌跡中起點(diǎn)偏移

        (2)中間因?yàn)槟承┰蚴ザㄎ稽c(diǎn)

        如圖4所示,GPS定位設(shè)備本身、汽車(chē)供電設(shè)備電路故障等其它原因?qū)е滦熊?chē)軌跡中間部分沒(méi)有定位信息,但是除去這部分后分開(kāi)的兩部分行車(chē)軌跡都是正常的情況。

        圖4 行車(chē)軌跡中丟失部分中間定位信息

        圖5 行車(chē)軌跡中存在單個(gè)偏移點(diǎn)

        (3)有單個(gè)偏移點(diǎn)

        如圖5所示,首先算法檢測(cè)出定位軌跡中偏移點(diǎn)P4,則更新權(quán)重點(diǎn)為W2;接著檢測(cè)出偏移點(diǎn)P5,則刪除W2;然后在接下來(lái)的軌跡如果沒(méi)有偏移點(diǎn),則更新權(quán)重點(diǎn)為W1,并且判定P4點(diǎn)為單個(gè)偏移點(diǎn)進(jìn)行刪除。

        4 實(shí)驗(yàn)與性能分析

        本文的實(shí)驗(yàn)平臺(tái)通過(guò)開(kāi)發(fā)的Java程序調(diào)用百度地圖API獲取定位車(chē)輛的行車(chē)軌跡原始GPS定位數(shù)據(jù)。實(shí)驗(yàn)過(guò)程中選擇了天津市國(guó)家電網(wǎng)天津市電力公司附近區(qū)域的路段,進(jìn)行了20次的行車(chē)軌跡記錄實(shí)驗(yàn)。在實(shí)驗(yàn)數(shù)據(jù)預(yù)處理階段,將路段根據(jù)行車(chē)道路分段進(jìn)行數(shù)據(jù)預(yù)處理,分段刪除偏移點(diǎn)。經(jīng)過(guò)對(duì)每段收集原始經(jīng)緯度信息與提出的基于HMM的行車(chē)軌跡糾偏優(yōu)化模型在準(zhǔn)確度方面進(jìn)行了對(duì)比,具體實(shí)驗(yàn)相關(guān)參數(shù)配置和實(shí)驗(yàn)結(jié)果見(jiàn)下面的分析。

        4.1 實(shí)驗(yàn)參數(shù)設(shè)置

        具體的實(shí)驗(yàn)參數(shù)見(jiàn)表1。在實(shí)驗(yàn)中設(shè)定初始權(quán)值w為0.8,w值越大表示更新權(quán)重點(diǎn)越接近最新定位點(diǎn),主要是考慮到實(shí)際行車(chē)過(guò)程中,權(quán)重點(diǎn)的選擇更應(yīng)該與后續(xù)定位點(diǎn)之間的距離越近,更符合實(shí)際的行車(chē)軌跡特征。閾值距離D的選取主要是根據(jù)行車(chē)過(guò)程中的平均時(shí)速來(lái)給定。

        表1 參數(shù)設(shè)置

        4.2 實(shí)驗(yàn)結(jié)果分析

        圖6展示了軌跡數(shù)據(jù)與處理前與處理后定位準(zhǔn)確度的對(duì)比,因?yàn)榻?jīng)過(guò)預(yù)處理后刪除了偏移點(diǎn),行車(chē)軌跡的定位準(zhǔn)確率得到了較好的提升。

        圖6 軌跡數(shù)據(jù)預(yù)處理前后定位準(zhǔn)確率對(duì)比

        圖7 軌跡數(shù)據(jù)預(yù)處理后使用隱馬爾可夫糾偏模型前后定位準(zhǔn)確度對(duì)比

        由圖7可以看出,與沒(méi)有使用糾偏算法進(jìn)行數(shù)據(jù)預(yù)處理的隱馬爾可夫模型相比,經(jīng)過(guò)軌跡預(yù)處理之后使用隱馬爾可夫模型的軌跡糾偏方法在不同的路段其準(zhǔn)確率均率均達(dá)到90%及以上,實(shí)驗(yàn)結(jié)果表明本文方法的可行性和魯棒性。

        5 結(jié)束語(yǔ)

        本文研究提出了一種行車(chē)軌跡糾偏優(yōu)化方法,該方法結(jié)合電子地圖并采用隱馬爾可夫模型和Viterbi算法對(duì)預(yù)處理過(guò)后的行車(chē)軌跡進(jìn)行糾偏,建立了軌跡糾偏模型,通過(guò)使用遺傳算法先對(duì)原始定位點(diǎn)進(jìn)行優(yōu)化,以剔除偏差較大的異常行車(chē)數(shù)據(jù)。實(shí)驗(yàn)結(jié)果表明本文提出的基于HMM的行車(chē)軌跡糾偏優(yōu)化方法能夠提高電動(dòng)汽車(chē)的行車(chē)軌跡準(zhǔn)確性,并提升了其軌跡數(shù)據(jù)的應(yīng)用價(jià)值。該方法可以為電動(dòng)汽車(chē)的充電樁位置選址提供科學(xué)的數(shù)據(jù)依據(jù),并能夠給自動(dòng)駕駛提供精確的定位信息并提高自動(dòng)駕駛行車(chē)路徑的采集信息準(zhǔn)確度。由于當(dāng)前算法僅在單機(jī)環(huán)境中進(jìn)行算法和性能測(cè)試,未來(lái)考慮構(gòu)建云平臺(tái)環(huán)境下的糾偏優(yōu)化算法應(yīng)用系統(tǒng)。

        猜你喜歡
        定位點(diǎn)馬爾可夫行車(chē)
        時(shí)速160公里剛性接觸網(wǎng)定位點(diǎn)導(dǎo)高偏差研究
        電氣化鐵道(2023年6期)2024-01-08 07:45:48
        數(shù)獨(dú)小游戲
        地鐵剛性接觸網(wǎng)定位點(diǎn)脫落狀態(tài)分析
        電氣化鐵道(2018年4期)2018-09-11 07:01:38
        我的結(jié)網(wǎng)秘籍
        夜間行車(chē)技巧
        保費(fèi)隨機(jī)且?guī)в屑t利支付的復(fù)合馬爾可夫二項(xiàng)模型
        基于SOP的核電廠操縱員監(jiān)視過(guò)程馬爾可夫模型
        應(yīng)用馬爾可夫鏈對(duì)品牌手機(jī)市場(chǎng)占有率進(jìn)行預(yù)測(cè)
        吉普自由光行車(chē)制動(dòng)易熄火
        調(diào)度調(diào)整在地鐵行車(chē)組織中的應(yīng)用
        最新欧美一级视频| 人人妻人人澡人人爽欧美一区双| 在线涩涩免费观看国产精品| 国产精品av免费网站| 亚洲成人激情在线影院| 久久一区二区三区久久久| 久久AV中文综合一区二区| 日韩免费精品在线观看| 最新国产三级| 亚洲色成人网站www永久四虎| 蜜乳一区二区三区亚洲国产| 97福利视频| 男女下面进入的视频| 男人天堂网2017| 国产免费人成视频在线观看播放| 国产一区二区精品久久| 亚洲日日噜噜噜夜夜爽爽| 久久aⅴ人妻少妇嫩草影院| 亚洲av一区二区三区蜜桃| 色二av手机版在线| 国产自拍av在线观看视频| 亚洲蜜芽在线精品一区| 亚洲啪啪综合av一区| 日本在线观看不卡一区二区| 天堂а√在线最新版中文在线 | 亚洲av高清天堂网站在线观看| 乱人伦中文字幕在线不卡网站 | 99久久久精品国产性黑人| 久久人人爽人人爽人人片亞洲| 人妻少妇精品中文字幕专区| 久久开心婷婷综合中文| 香蕉国产人午夜视频在线观看| 久久精品午夜免费看| 国产麻豆剧传媒精品国产av| 国产欧美一区二区三区在线看| 激情97综合亚洲色婷婷五| 国产一区二区三区亚洲天堂| 美女主播网红视频福利一区二区| 久久er99热精品一区二区| 国内久久婷婷精品人双人| 日本韩国一区二区高清|