一种基于插值和预测算法的车辆轨迹拟合仿真方法技术

本发明专利技术提供了一种基于插值和预测算法的车辆轨迹拟合仿真方法

【技术实现步骤摘要】
一种基于插值和预测算法的车辆轨迹拟合仿真方法


[0001]本专利技术涉及公路数字孪生车辆轨迹仿真预测
，具体指一种基于插值和预测算法的车辆轨迹拟合仿真方法
。

技术介绍

[0002]数字孪生交通
(
也称作平行交通或虚拟交通
)
，是将实时采集的交通数据纳入到建立的交通模型体系中，实现对交通体系的虚拟数字映射，通过大数据分析
、
人工智能
AI
和交通仿真技术生成交通优化方案和对方案进行评价的一种方法
。
数字孪生交通是智慧交通的一部分
。
[0003]Digital Twin
数字孪生，是充分利用物理模型
、
传感器更新
、
运行历史等数据，集成多学科
、
多物理量
、
多尺度的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程
。
交通仿真是数字孪生技术在交通工程领域的一个重要应用
。
根据对交通系统仿真细节本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于插值和预测算法的车辆轨迹拟合仿真方法，其特征在于，
S1
：交通数据获取和预处理：从数据采集系统获取交通数据，并对历史交通数据进行数据预处理，预处理步骤为：数据标准化
、
异常数据删除
、
重复数据删除
、
去除噪声；
S2
：车辆行驶轨迹点建模计算：根据实际环境和基础参数，划分采集交通数据的区间即现有雷达设备能够采集到车辆轨迹数据的区间作为数据区间；在数据区间内，采用拉格朗日插值算法补充缺失路径点；若不在数据区间内，采用灰色预测算法补充缺失路径点；最后将缺失路径点与交通数据按照时间顺序合并拼接成连贯的路径点数据；
S3
：采用
Unity
软件对
S2
中车辆连贯的路径点数据进行车辆行驶仿真
。2.
由权利要求1所述的一种基于插值和预测算法的车辆轨迹拟合仿真方法
,
，其特征在于，
S1
中去除噪声的方法为：对于交通数据中的雷达数据，采用卡尔曼滤波函数削弱噪声，得到平滑的雷达数据，通过
Unity
中插件
Kalman.cs
来实现
。3.
由权利要求1所述的一种基于插值和预测算法的车辆轨迹拟合仿真方法
,
，其特征在于，
S2
中采用拉格朗日插值算法补充缺失路径点的方法为：
S21
：确定交通数据流的平面上的
n
个数据点
(x0,y0)、(x1,y1)、......(x
n
‑1,y
n
‑1)
；
S22
：建立模型，作函数
f(x)
使其图像经过这
n
个点，得到拉格朗日插值多项式；设集合
D
n
＝
{0
，1，
...
，
n
‑
1}
，作
n
个多项式
p
j(x)
,j∈D
n
。
对于任意
ε
∈D
n
，都有
p
k
(x)
，
B
k
＝
{i|i≠k
，
i∈D
n
}
，使得是一个
n
‑1次多项式，且满足并且
p
k
(x
k
)
＝1；最后可得拉格朗日插值多项式：
S23
：根据
S22
得到的拉格朗日插值多项式表示交通数据流的轨迹，在交通数据流轨迹上选取需补充的缺失路径点
。4.
由权利要求1所述的一种基于插值和预测算法的车辆轨迹拟合仿真方法，其特征在于，
S2
中采用灰色预测算法补充缺失路径点的方法为：
A1
：根据采样路径点数据序列
x
(0)
＝
(x
(0)
(1)
，
x
(0)
(2)
，
...
，
x
(0)
(n))
建立
GM(1
，
1)
模型；
A2
：对采样路径点数据序列进行级比检验，未通过级比检验则对序列曲线进行平移变换，直到通过通过级比检验得到新序列
y
(0)
(k)
；
A3
：级比检验通过后利用新数列
y
(0)
(k)
构造累加序列；
A4
：得到的一次累加生成序列及由该一次累加生成序列得到的均值生成序列建立
GM(1,1)
的白微分方程；用微分方程拟合新序列得到灰微分方程：
d(k)+az
(1)
(k)
＝
b
；
A5
：利用最小二乘法求灰微分方程的未知参数并预测缺失路径点数据；
A6
：进行残差检验
。5.
由权利要求4所述的一种基于插值和预测算法的车辆轨迹拟合仿真方法，其特征在于，
A2
中对采样数据进行级比检验的方法为：
A21
：求级比
λ
(0)
(k)
：
A22
：获得
GM
模型的原始数据：如果所有的级比
λ
(0)
(k)
均落在则数列
x
(0)
是可以作为
GM
模型的原始数据；如果不满足，则需要对数据做处理，取常数
c
，做平移变换，即沿着
y
方向增大
c
，得到
y
(0)
(k)
；
y
(0)
(k)
＝
x
(0)
(k)+c
，
k
＝1，2，3，
...
，
n
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
...

【专利技术属性】
技术研发人员：赵陟罡，袁逸涛，罗小建，
申请(专利权)人：中远海运科技股份有限公司，
类型：发明
国别省市：