基于混合方法的自動駕駛車輛位置預(yù)測技術(shù)

（A novel hybrid approach based-SRG model for vehicle position prediction in multi-GPS outage conditions）

自動駕駛系統(tǒng)中的軌跡規(guī)劃問題是防止多車碰撞的重要因素。但是，準確地預(yù)測車輛未來的位置目前仍然是一項棘手的任務(wù)，尤其是在智能交通系統(tǒng)中。本文提出了一種混合方法來解決車輛在GPS中斷情況下的位置預(yù)測問題，如短暫或長期的GPS中斷等。該方法綜合了模糊推理系統(tǒng)（FIS）和稀疏隨機高斯（SRG）模型的優(yōu)點，因此被命名為FISSRG方法。該方法能夠大大降低車輛位置預(yù)測的誤差。首先通過調(diào)整由稀疏隨機高斯模型監(jiān)測的GPS傳播權(quán)重，然后由模糊推理系統(tǒng)更新定義上述GPS中斷，最后將更新后的GPS信息傳播給自動駕駛系統(tǒng)。本文基于GPS和INS數(shù)據(jù)進行實驗，得出的結(jié)果與現(xiàn)有預(yù)測方法相比較，驗證了所提出方法的性能良好。

本文提出的這種混合方法即使在復(fù)雜的環(huán)境中（例如GPS完全或部分中斷情況）也能夠?qū)崿F(xiàn)準確而可靠的車輛位置預(yù)測。這種混合方法聚合了模糊推理系統(tǒng)和稀疏隨機高斯模型的優(yōu)點，使得車輛位置預(yù)測誤差大大降低。該方法利用模糊推理系統(tǒng)（FIS）來更新來自GPS和INS的所有當前車輛信息，以獲得最優(yōu)預(yù)測車輛位置。此外，引入壓縮估計技術(shù)LASSO來優(yōu)化預(yù)測矩陣的測量稀疏參數(shù)。本文所提出的方法可以有效地用于各種運輸應(yīng)用中，尤其是應(yīng)急車輛通知系統(tǒng)或防撞系統(tǒng)等。