| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 国内外研究现状 | 第16-18页 |
| 1.2.1 国外研究现状 | 第16-17页 |
| 1.2.2 国内研究现状 | 第17-18页 |
| 1.3 论文研究内容 | 第18-19页 |
| 1.4 论文组织结构 | 第19页 |
| 1.5 本章小结 | 第19-21页 |
| 第二章 相关理论与技术 | 第21-31页 |
| 2.1 轨迹数据理论 | 第21-22页 |
| 2.2 轨迹数据补全技术 | 第22-24页 |
| 2.2.1 基于几何模型的数据补全 | 第22页 |
| 2.2.2 基于统计概率模型的数据补全 | 第22-23页 |
| 2.2.3 基于聚类模型的数据补全 | 第23-24页 |
| 2.3 位置预测技术 | 第24-26页 |
| 2.3.1 基于神经网络的位置预测 | 第24页 |
| 2.3.2 基于马尔科夫模型的位置预测 | 第24-25页 |
| 2.3.3 基于频繁轨迹模式的位置预测 | 第25-26页 |
| 2.4 神经网络模型 | 第26-27页 |
| 2.4.1 RNN与时序数据处理 | 第26页 |
| 2.4.2 LSTM神经网络模型 | 第26-27页 |
| 2.5 遗传算法GA | 第27-29页 |
| 2.6 本章小结 | 第29-31页 |
| 第三章 车辆轨迹预测方法概述 | 第31-37页 |
| 3.1 车辆轨迹预测背景及目标 | 第31-32页 |
| 3.2 问题描述 | 第32页 |
| 3.3 方法模型及框架介绍 | 第32-35页 |
| 3.4 本章小结 | 第35-37页 |
| 第四章 轨迹数据预处理方法 | 第37-47页 |
| 4.1 轨迹数据抽取与预处理 | 第37-39页 |
| 4.1.1 误差点处理 | 第37-38页 |
| 4.1.2 子轨迹划分 | 第38-39页 |
| 4.2 轨迹索引 | 第39-41页 |
| 4.3 基于K-Modes聚类的稀疏数据补全 | 第41-46页 |
| 4.3.1 K-Modes聚类算法流程设计 | 第42-43页 |
| 4.3.2 基于聚类结果的轨迹补全 | 第43-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 基于GA-LSTM的车辆轨迹预测 | 第47-59页 |
| 5.1 LSTM预测模型 | 第47-53页 |
| 5.1.1 输入数据特征选取 | 第47-49页 |
| 5.1.2 车辆轨迹预测模型 | 第49-53页 |
| 5.2 预测误差校准 | 第53-55页 |
| 5.3 遗传算法优化过程 | 第55-57页 |
| 5.4 本章小结 | 第57-59页 |
| 第六章 实验结果及分析 | 第59-71页 |
| 6.1 实验配置与过程 | 第59-63页 |
| 6.1.1 实验配置说明 | 第59-60页 |
| 6.1.2 实验数据集描述 | 第60页 |
| 6.1.3 实验过程安排 | 第60-63页 |
| 6.2 实验结果分析 | 第63-70页 |
| 6.2.1 不同时段区间内车辆轨迹数量分布 | 第63-64页 |
| 6.2.2 基于聚类的轨迹补全实验结果 | 第64-66页 |
| 6.2.3 GA-LSTM与LSTM模型收敛效果实验结果 | 第66-67页 |
| 6.2.4 车辆轨迹预测实验结果分析 | 第67-70页 |
| 6.3 本章小结 | 第70-71页 |
| 第七章 总结与展望 | 第71-73页 |
| 7.1 论文工作总结 | 第71页 |
| 7.2 展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-79页 |
| 作者简介 | 第79-80页 |