专利交易市场

本发明涉及车辆轨迹预测技术领域，具体涉及一种跟驰场景下的旁道车辆轨迹预测方法，包括：获取环境历史状态参数和主车未来状态参数；环境历史状态参数包括主车历史状态参数、目标车辆历史状态参数、交互车辆历史状态参数；根据环境历史状态参数和主车未来状态参数获取目标车辆的未来轨迹。通过主车历史状态参数、目标车辆历史状态参数、交互车辆历史状态参数和主车未来状态参数获取目标车辆的未来轨迹，能够反映出环境中多车间的相互作用机理，提高了对目标车辆轨迹预测的准确性。同时，由于考虑了主车未来运动状态对目标车辆的未来运动轨迹的影响，为主车决策提供了更可靠的输入参照条件，有效提高了车辆自主跟驰的安全性，降低了事故率。

本发明公开了一种基于轨迹预测的城市移动充电桩的迁移方法。该方法通过获取用户终端分散的位置信息，经过向量化处理后构建轨迹嵌入序列，获得基于轨迹嵌入序列的出行轨迹表。将出行轨迹表中用户的历史轨迹T分割为的n个片段轨迹，以片段轨迹相似度进行轨迹分组，确定不同分组中用户的地址偏好概率，根据用户充电的地址偏好概率以及轨迹置信度，预测用户的出行的完整轨迹，根据完整轨迹确定任意用户途径子区间的选址期望值，选择出行轨迹表中期望最高的地点作为推荐的城市移动充电桩选址位置。本发明还公开了一种用于实现基于轨迹预测的城市移动充电桩迁移方法的迁移系统。

本发明请求保护一种基于车辆轨迹语义分析和深度信念网络的轨迹预测方法，属于智能交通分析领域。首先，获取数据源。其次，交通卡口关联性分析。根据轨迹集中交通卡口的上下文关系，使用统计概率模型构建关联空间，按照关联空间中的相对位置度量交通卡口之间的关联性；第三，根据新的轨迹时空关联向量集挖掘轨迹中的用户行车模式，训练DBN网络形成特征提取模型；第四，根据轨迹特征建立回归预测模型，利用处理后的交通轨迹特征集，对未来轨迹进行回归预测，同时采用权重聚类对结果进行优化，最终实现对车辆轨迹的精确预测。本发明有效改善了实际交通环境中复杂的路网关系对轨迹预测的负面影响，提高了预测效率。

本发明属于智能交通控制领域，具体涉及一种针对多特征空间和数据稀疏的车辆短时轨迹预测控制方法，该方法包括：获取数据源；对得到数据进行处理，得到多特征空间向量模型；根据多特征空间向量构建多特征空间预测模型；将多特征空间预测模型进行融合得到最后的预测模型；获取融合后的预测结果，得到下一时段的哪些卡口会比较拥堵的信息，将这个信息发送给将要行驶到这个卡口的车辆中，改变车辆行驶的路线；本发明将多个轨迹特征空间以向量的形式表示出来，从多个角度挖掘轨迹的变化趋势，减小了数据误差。