基于轨迹相似度的轨迹预测方法、系统及设备技术方案

本发明专利技术提供了一种基于历史轨迹相似度的轨迹预测方法、系统及设备，利用自适应的离散LCSS方法求解轨迹相似度，并按相似度大小对相似历史轨迹的运动方向进行加权实现轨迹预测。本方案高效、可解释性强，且具有较强的自适应能力，应用范围广泛，鲁棒性强。鲁棒性强。鲁棒性强。

【技术实现步骤摘要】
基于轨迹相似度的轨迹预测方法、系统及设备


[0001]本专利技术涉及卫星通讯导航领域，尤其涉及利用卫星定位技术的基于轨迹相似度的轨迹预测方法、系统及设备。

技术介绍

[0002]随着通信技术及卫星定位技术的快速发展，产生了大量车辆、飞机、舰船等运动目标的轨迹数据。轨迹数据通常包含大量位置信息，AIS数据还包含有航向、速度等态势信息，蕴含了丰富的目标活动规律。轨迹预测技术在民用领域能够帮助解决车辆分流、出行决策支持、路径规划等问题，在军事上则能够辅助研判战场目标的行为意图，因此具有重要的研究和应用价值。
[0003]针对飞机、舰船等不受航道限制的运动目标，不同于车辆、行人轨迹预测，其轨迹预测问题的复杂度更高、求解空间更大，因而不能简单地将其建模为动态规划问题。一般的轨迹预测方法包括：
[0004](1)基于概率统计的方法。该类方法基于当前轨迹与历史轨迹之间的相关性，使用参数估计、曲线拟合等方法建模目标轨迹的周期性、马氏性等变化趋势，具有模型简单、易于训练等优点，但对数据质量要求较高，且鲁棒性差。
[0005](2)基于神经网络的方法。该类方法使用神经网络从历史轨迹及当前轨迹中学习目标的运动特征，进而求解复杂非线性的轨迹预测问题，具有较强的鲁棒性和容错性，但收敛速度较慢、可解释性差，存在局部极小化问题。
[0006](3)基于动力学模型的方法。该类方法基于动力学公式直接建模目标的运动规律，因而具有较强的解释性，但存在运行效率低、预测精度低的问题。

技术实现思路

[0007]针对现有技术的不足，针对无航道限制的一般运动目标的轨迹预测问题，本专利技术提出一种基于历史轨迹相似度的轨迹预测方法、系统及设备，利用自适应的离散LCSS方法求解轨迹相似度，并按相似度大小对相似历史轨迹的运动方向进行加权实现轨迹预测。本方案高效、可解释性强，且具有较强的自适应能力。
[0008]具体而言，本专利技术提供了以下技术方案：
[0009]一方面，本专利技术提供了一种基于轨迹相似度的轨迹预测方法，该方法包括：
[0010]步骤1、获取原始轨迹数据，并进行数据预处理：统一数据单位，依次进行去噪、拉稀、分段操作，得到轨迹点序列数据；对轨迹点序列进行平滑及等距采样处理，获得格式化的轨迹数据；所述格式化的轨迹数据包括格式化的历史轨迹数据；
[0011]步骤2、获取当前轨迹数据，并进行数据预处理，得到格式化的当前轨迹数据；读取格式化的历史轨迹数据；
[0012]步骤3、设定轨迹相似度评估模型超参数TOL的取值范围，自适应调整超参数TOL，迭代求解当前轨迹数据与历史轨迹数据的相似度及最长相似子序列：初始化TOL值，计算轨
迹点匹配矩阵，基于轨迹点匹配矩阵求解相似轨迹路径，进而计算相似轨迹子序列距离，并基于相似轨迹子序列距离获得当前TOL参数值下的轨迹相似度；在取值范围内动态调整TOL值，直至轨迹的相似度收敛，输出轨迹的相似度及相应的最长相似轨迹子序列；
[0013]步骤4、设定相似度阈值，基于轨迹相似度大小筛选出与当前轨迹相似的历史轨迹数据及最长相似轨迹子序列，并转步骤5；当无相似历史轨迹数据时，输出无法预测指示，并结束；
[0014]步骤5、基于相似历史轨迹数据、相似度及最长相似轨迹子序列，计算预测轨迹点位置；将全部预测轨迹点依次串联，形成中心轨迹线，作为当前轨迹的预测轨迹。
[0015]优选的，所述步骤1的处理具体还包括：按时间顺序遍历轨迹点，对时间间隔较远的相邻轨迹点进行分段处理，并设定采样步长，对距离小于采样步长的相邻轨迹点进行间隔取点。
[0016]优选的，所述步骤3中，距离阈值TOL取值范围为[α,β]，其中：β一般取2d，d为轨迹数据预处理中等距采样的距离值，α为一预设固定参数。
[0017]优选的，所述步骤3中，轨迹点匹配矩阵LCSS(A,B,TOL)的计算方式为：
[0018]设当前轨迹A与历史轨迹B分别为A＝(a0,a1,
……
,a
m
‑1)和B＝(b0,b1,
……
,b
n
‑1)，则根据下式计算轨迹点匹配矩阵LCSS(A,B,TOL)的第i行、第j列元素值：
[0019][0020]其中，0≤i≤m,0≤j≤n，m为轨迹A的轨迹点数量，n为历史轨迹B的轨迹点数量，TOL为匹配轨迹点的距离阈值。
[0021]优选的，所述步骤3中，所述最长相似轨迹子序列的求解方式为：
[0022]基于轨迹点匹配矩阵LCSS(A,B,TOL)，使用回溯法求解相似轨迹路径，得到最长相似轨迹子序列形如：似轨迹子序列形如：其中i1<i2<
…
<i
m
,j1<j2<
…
<j
m
。
[0023]优选的，所述步骤3中，相似轨迹子序列距离的计算方式为：
[0024][0025]其中，最长相似轨迹子序列其中，最长相似轨迹子序列i1<i2<
…
<i
m
,j1<j2<
…
<j
m
；是轨迹点和的欧式距离。
[0026]优选的，所述步骤3中，相似度取相似轨迹子序列距离的倒数：eSim(A,B,TOL)＝eDist(SeqA
TOL
,SeqB
TOL
)
‑1。
[0027]优选的，所述步骤3中，所述在取值范围内动态调整TOL值，直至轨迹的相似度收敛的具体方式为：
[0028]基于相似轨迹子序列距离进行判断：设置迭代求解的轨迹距离精度ε和TOL的精度
δ，计算相似轨迹子序列距离eDist
α
和eDist
β
；若|eDist
α
‑
eDist
β
|＜e或β
‑
α＜δ则最佳TOL＝α，近似的轨迹距离为eDist
α
，输出轨迹距离的倒数eDist
α
‑1作为轨迹相似度，结束；否则，当eDist
α
>eDist
β
时，令α＝(α+β)/2，再次执行相似轨迹子序列距离判断；否则，令β＝(α+β)/2，再次执行相似轨迹子序列距离判断；或者
[0029]基于轨迹相似度进行判断：设置迭代求解的轨迹相似度精度σ和TOL的精度δ，计算轨迹相似度eSim(A,B,α)＝eDist(SeqA
α
,SeqB
α
)
‑1和eSim(A,B,β)＝eDist(SeqA
β
,SeqB
β
)
‑1；若|eSim(A，B，α)
‑
eSim(A，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于轨迹相似度的轨迹预测方法，其特征在于，所述方法包括：步骤1、获取原始轨迹数据，并进行数据预处理：统一数据单位，依次进行去噪、拉稀、分段操作，得到轨迹点序列数据；对轨迹点序列进行平滑及等距采样处理，获得格式化的轨迹数据；所述格式化的轨迹数据包括格式化的历史轨迹数据；步骤2、获取当前轨迹数据，并进行数据预处理，得到格式化的当前轨迹数据；读取格式化的历史轨迹数据；步骤3、设定轨迹相似度评估模型超参数TOL的取值范围，自适应调整超参数TOL，迭代求解当前轨迹数据与历史轨迹数据的相似度及最长相似子序列：初始化TOL值，计算轨迹点匹配矩阵，基于轨迹点匹配矩阵求解相似轨迹路径，进而计算相似轨迹子序列距离，并基于相似轨迹子序列距离获得当前TOL参数值下的轨迹相似度；在取值范围内动态调整TOL值，直至轨迹的相似度收敛，输出轨迹的相似度及相应的最长相似轨迹子序列；步骤4、设定相似度阈值，基于轨迹相似度大小筛选出与当前轨迹相似的历史轨迹数据及最长相似轨迹子序列，并转步骤5；当无相似历史轨迹数据时，输出无法预测指示，并结束；步骤5、基于相似历史轨迹数据、相似度及最长相似轨迹子序列，计算预测轨迹点位置；将全部预测轨迹点依次串联，形成中心轨迹线，作为当前轨迹的预测轨迹。2.根据权利要求1所述的方法，其特征在于，所述步骤3中，距离阈值TOL取值范围为[α,β]，其中：β取2d，d为轨迹数据预处理中等距采样的距离值，α为一预设固定参数。3.根据权利要求1所述的方法，其特征在于，所述步骤3中，轨迹点匹配矩阵LCSS(A,B,TOL)的计算方式为：设当前轨迹A与历史轨迹B分别为A＝(a0,a1,
……
,a
m
‑1)和B＝(b0,b1,
……
,b
n
‑1)，则根据下式计算轨迹点匹配矩阵LCSS(A,B,TOL)的第i行、第j列元素值：其中，0≤i≤m,0≤j≤n，m为轨迹A的轨迹点数量，n为历史轨迹B的轨迹点数量，TOL为匹配轨迹点的距离阈值。4.根据权利要求3所述的方法，其特征在于，所述步骤3中，所述最长相似轨迹子序列SeqA
TOL
和SeqB
TOL
的求解方式为：基于轨迹点匹配矩阵LCSS(A,B,TOL)，使用回溯法求解相似轨迹路径：令i＝m,j＝n,SeqA
TOL
＝[],SeqB
TOL
＝[]，其中m为轨迹A的长度，n为轨迹B的长度；若dist(a
i
,b
j
)<TOL，则将a
i
插入SeqA
TOL
尾部、b
i
插入SeqB
TOL
尾部，并令i＝i
‑
1,j＝j
‑
1；否则若LCSS[i+1,j]≥LCSS[i,j+1]，则令j＝j
‑
1；否则,令i＝i
‑
1。5.根据权利要求1所述的方法，其特征在于，所述步骤3中，相似轨迹子序列距离的计算方式为：其中，是最长相似轨迹
子序列，i1<i2<
…
<i
m
,j1<j2<
…
<j
m
；是轨迹点和的欧式距离。6.根据权利要求5所述的方法，其特征在于，所述步骤3中，相似度取相似轨迹子序列距离的倒数：eSim(A,B,TOL)＝eDist(SeqA
TOL
,SeqB
TOL
)
‑1。7.根据权利要求5所述的方法，其特征在于，所述步骤3中，所述在取值范围内动态调整TOL值，直至轨迹的相似度收敛的具体方式为：基于相似轨迹子序列距离进行判断：设置迭代求解的轨迹距离精度ε和TOL的精度δ，计算相似轨迹子序列距离eDist
α
和eDist
β
；若|eDist
α
...

【专利技术属性】
技术研发人员：向欢，何速，覃炳庆，刘璐，汤慧，李杰，
申请(专利权)人：航天科工深圳集团有限公司，
类型：发明
国别省市：