[发明专利]一种基于车联网的车辆轨迹预测方法

权利要求书

1.一种基于车联网的车辆轨迹预测方法,该方法方法包括：

步骤1：获取该车辆的历史轨迹记录，建立历史轨迹数据库。

该数据库中，通过地图信息提取街道数据，将被观测的街道总区域划分为N段，并编号，每个街道段长度不超过3公里；将进行观测的时间段划分为L个小段，观测记录每个时间小段时该车辆位置主要处于哪一街道段上；

步骤2：获取该车辆的当前位置信息，结合历史轨迹数据库，预测该车辆下一时刻的位置信息；

步骤2.1：当车辆该车辆出现在观测区域的s1位置(街道段)时，通过步骤1获取的历史轨迹数据库采用公式u_s1,s2/(L-1)计算该车辆当前时刻处于s1位置时下一个时刻出现在其他所有可能街道位置的概率，s2表示其他所有可能位置中的一种情况，其中u_s1,s2表示历史轨迹数据库中连续两个时刻该车辆位置分别位于s1、s2的次数；

步骤2.2：从其他所有可能位置中找出概率最大的位置，判定为下一时刻会出现在该位置，若出现概率相同的位置遵循下列步骤选择出预测位置：

2.2.1：通过马尔科夫链状态转移矩阵判断,选出预测位置，若依然出现概率相同位置则转入步骤2.2.2；

2.2.2：先来后到原则：考虑各个位置状态出现的先后顺序，选择搜索时最早出现的状态，视为预测结果；

步骤3：预测出下一结果后，再结合预测的位置，与步骤1中的历史轨迹数据库，采用步骤2的方法进行下下步的预测；

步骤4：采用步骤3的方式进行后续预测，获得完整的车辆预测移动轨迹。

2.如权利要求1所述的一种基于车联网的车辆轨迹预测方法,其特征在于所述步骤3还可以采用u_s1,s2,s3/(L-2)来计算该车辆连续经过s1，s2位置时下一个时刻出现在其他所有可能街道位置的概率，s3表示其他所有可能位置中的一种情况，其中u_s1,s2,s3表示历史轨迹数据库中连续三个时刻该车辆位置分别位于s1、s2、s3的次数；

所述步骤4采用u_s1,s2,s3,s4/(L-3)来计算该车辆连续经过s1，s2，s3位置时下一个时刻出现在其他所有可能街道位置的概率，s4表示其他所有可能位置中的一种情况，其中u_s1,s2,s3,s4表示历史轨迹数据库中连续三个时刻该车辆位置分别位于s1、s2、s3、s4的次数；

按照步骤2、步骤3、步骤4的方法进行类推，依次获取后续车辆预测位置；当预测过程中连续时刻个数达到m个后，个数不再增加，m的大小根据街道环境设定。

3.如权利要求1所述的一种基于车联网的车辆轨迹预测方法,其特征在于所述步骤2.1中还可以采用公式来计算该车辆当前时刻处于s1位置时下一个时刻出现在其他所有可能街道位置的概率，其中车辆在移动过程中经过位置状态s₁的次数为N(s₁)，在经过了位置状态s₁以后，下一状态为s₂的次数为N(s₂,s₁)。

4.如权利要求3所述的一种基于车联网的车辆轨迹预测方法,其特征在于所述步骤3还可以采用公式来计算该车辆连续经过位置s₁，s₂时下一个时刻出现在其他所有可能街道位置的概率，历史轨迹数据库中车辆经过位置状态s₁，s₂的次数为N(_s2,s₁)，在经过了位置状态s₁，s₂以后，下一状态为s₃的次数为N(s₃,s₂,s₁)；

其中所述步骤4采用公式来计算该车辆连续经过位置s₁，s₂，s₃时下一个时刻出现在其他所有可能街道位置的概率，历史轨迹数据库中车辆经过位置状态s₁，s₂，s₃的次数为N(s₃,s₂,s₁)，在经过了位置状态s₁，s₂，s₃以后，下一状态为s₄的次数为N(s₄,s₃,s₂,s₁)；

按照步骤2、步骤3、步骤4的方法进行类推，依次获取后续车辆预测位置；当预测过程中连续时刻个数达到m个后，个数不再增加，m的大小根据街道环境设定。