摘要 | 第6-8页 |
Abstract | 第8-9页 |
第1章 绪论 | 第13-19页 |
1.1 研究背景及意义 | 第13-14页 |
1.2 研究现状 | 第14-17页 |
1.2.1 移动对象轨迹模式发现 | 第14-15页 |
1.2.2 移动对象未来轨迹位置预测 | 第15-16页 |
1.2.3 移动对象路径规划导航 | 第16-17页 |
1.3 本文的研究工作及组织结构 | 第17-19页 |
第2章 轨迹数据挖掘及应用介绍 | 第19-25页 |
2.1 轨迹数据挖掘技术及研究应用框架 | 第19-21页 |
2.2 轨迹数据采集和预处理 | 第21-22页 |
2.3 轨迹模式挖掘方法概述 | 第22-24页 |
2.3.1 轨迹聚类 | 第22-23页 |
2.3.2 改进的k-means聚类算法 | 第23-24页 |
2.4 本章小结 | 第24-25页 |
第3章 基于高斯混合模型的轨迹模式挖掘和预测 | 第25-37页 |
3.1 引言 | 第25页 |
3.2 模型数据结构和轨迹预测框架 | 第25-28页 |
3.2.1 模型相关定义 | 第25-27页 |
3.2.2 轨迹预测框架简介 | 第27-28页 |
3.3 轨迹模式发现与建模 | 第28-30页 |
3.3.1 简单轨迹运动模式 | 第28-29页 |
3.3.2 复杂轨迹运动模式 | 第29-30页 |
3.4 轨迹模型训练学习 | 第30-32页 |
3.5 轨迹预测算法GMTP | 第32-36页 |
3.5.1 高斯混合模型回归预测 | 第32-34页 |
3.5.2 轨迹预测算法GMTP | 第34-36页 |
3.6 本章小结 | 第36-37页 |
第4章 基于社交网络融合用户相似度的位置推荐算法 | 第37-46页 |
4.0 引言 | 第37页 |
4.1 基本概念和推荐算法框架 | 第37-39页 |
4.1.1 模型相关定义 | 第37-38页 |
4.1.2 推荐算法框架 | 第38-39页 |
4.2 基于社交网络的融合用户相似度的位置推荐模型 | 第39-45页 |
4.2.1 用户兴趣相似度计算 | 第40-41页 |
4.2.2 社交网络中用户熟识度计算 | 第41-42页 |
4.2.3 融合用户熟识度和兴趣相似度 | 第42页 |
4.2.4 用户对位置地点兴趣度计算 | 第42-43页 |
4.2.5 算法设计实现 | 第43-45页 |
4.3 本章小结 | 第45-46页 |
第5章 实验及性能分析 | 第46-60页 |
5.1 高斯混合模型预测算法实验 | 第46-52页 |
5.1.1 车辆轨迹数据集 | 第46-47页 |
5.1.2 数据格式 | 第47页 |
5.1.3 实验对比算法简介 | 第47-48页 |
5.1.4 轨迹预测准确性和时间比较 | 第48-49页 |
5.1.5 预测误差性能分析 | 第49-51页 |
5.1.6 算法抗干扰性分析 | 第51-52页 |
5.2 融合用户相似度位置推荐算法实验 | 第52-60页 |
5.2.1 数据集和实验评测指标 | 第52-54页 |
5.2.3 实验对比算法和参数设置 | 第54页 |
5.2.4 相似用户数对性能影响分析 | 第54-56页 |
5.2.5 推荐数对性能影响分析 | 第56-57页 |
5.2.6 地点覆盖率性能对比 | 第57-58页 |
5.2.7 响应时间性能对比 | 第58-60页 |
第6章 不确定环境下路径规划仿真系统设计与实现 | 第60-68页 |
6.1 引言 | 第60页 |
6.2 系统架构设计 | 第60-61页 |
6.2.1 系统开发环境及工具 | 第60页 |
6.2.2 系统结构框架 | 第60-61页 |
6.3 静态场景路径搜索 | 第61-63页 |
6.3.1 改进的路径搜索算法RRT | 第61-62页 |
6.3.2 参数设置和地图选择模块 | 第62-63页 |
6.3.3 路径搜索生成模块 | 第63页 |
6.4 动态环境路径规划 | 第63-65页 |
6.4.1 基于滚动窗口的RRT路径选择算法 | 第64页 |
6.4.2 动态场景实时避障规划模块 | 第64-65页 |
6.5 3D仿真环境路径搜索导航 | 第65-67页 |
6.5.1 地图载入和目标点设置控制模块 | 第65-66页 |
6.5.2 地图仿真环境模块 | 第66页 |
6.5.3 路径搜索仿真运行模块 | 第66-67页 |
6.6 本章小结 | 第67-68页 |
结论 | 第68-69页 |
致谢 | 第69-70页 |
参考文献 | 第70-75页 |
攻读硕士学位期间发表的论文及科研成果 | 第75页 |