基于最小二乘支持向量机的车辆位置缺失信息预测方法研究

于德新^1,2，郭海波^2,3，莫元富⁴，常丽君¹

(1.吉林建筑科技学院，吉林 长春  130000;2.吉林大学交通学院，吉林 长春  130022;

3.吉林省道路交通重点实验室，吉林 长春  130022;4.厦门金龙汽车集团股份有限公司，福建厦门  361012)

摘  要：车联网的不断发展加速了车辆通信的发展，在车联网的DSRC通信模式下，车辆的位置信息受到高密度广播和电磁辐射等因素的干扰，导致GPS采集的原始车辆信息数据丢失，本文提出了基于最小二乘支持向量机的信标数据补齐算法。与以往研究中利用车辆运行的历史趋势预测车辆位置的方法不同，该方法试图找出一个函数来建立车辆的丢失值与过去值的关系，采用非线性函数逼近，结合卡尔曼滤波来预测缺失的车辆位置。为了验证该算法的有效性，人为丢失部分真实的原始数据进行补齐验算。结果表明，补齐后的车辆位置数据与真实数据的平均相对误差为0.45%，最大绝对相对误差为8.25%。与PWHOG算法、差分矩阵、移动平均数据预处理等方法相比，该方法具有无需提取历史趋势数据、计算精度高的优点。适用于车联网环境下车辆位置的实时采集，可以减少检测时间并降低计算的复杂度。

关键词：智能交通;车联网;车辆位置缺失预测;最小二乘支持向量机