机器学习理论研究及其在车载导航系统中的应用

论文摘要

机器学习在人工智能领域的研究中具有十分重要的地位。一个不具有学习能力的智能系统难以称得上是一个真正的智能系统,但是以往的智能系统,尤其是导航系统都普遍缺少学习的能力。机器学习在导航系统中的应用研究的目的是应用机器学习技术使车载导航系统实现智能化,提高导航产品的技术含量,所以课题的技术意义和社会意义都是十分深远的。在车辆导航系统中,实现对于系统规划路径和实际走行路径的比较和记忆的功能是当前导航领域中比较具有前瞻性的研究热点。本文应用强化学习理论,构建了一个在车辆导航系统中的强化学习模型,实现了比较和记忆实际走行路径的路径学习算法,在最优路径算法中考虑利用学习过的路径。本文在超图理论的基础上,给出了一种适合最优路径算法建模的矢量超图的数学描述,在此基础上定义了矢量超图对象模型,推广了超图理论在最优路径算法领域的建模应用,拓展了相关概念。在矢量超图对象模型的基础上,给出了多目标最优路径算法模型的执行步骤和关键参数的确定方法,讨论了k_λ参数、k~*参数的确定和多目标折中函数的构造和应用问题,并且在算法过程中考虑短时交通流预测信息和利用学习过的路径的功能。实际工程应用中,给出了一种权衡系统时空性能和最优解的算法收敛方法,并将本方法和模型在实际的车辆导航系统中得到应用。使得实现后的系统可以用来指导制定和实施某项交通管理计划,调节交通流量,以减缓可能出现的交通拥挤和危险隐患。随着现代交通管理模式由被动管理向主动诱导的转变,预测信息显得越来越重要。时间间隔不超过15分钟的短时交通流预测成为交通流研究的难点和热点。本文应用数据拟合回归技术,研究了车辆导航系统中的短时交通流预测,在数据拟合模型上,实现了短时交通流预测算法。利用本算法可以预测某条道路或某个交通走廊在未来几分钟内交通流状况的变化情况。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景
• 1.1.1 地理信息系统
• 1.1.2 智能交通系统
• 1.1.3 车载导航系统
• 1.2 机器学习理论
• 1.3 课题研究的主要内容和意义
• 1.4 论文研究的内容及组织结构
• 1.5 本章小结
• 第2章 车载导航系统研究
• 2.1 车载导航系统概述
• 2.1.1 车辆导航系统功能分类
• 2.1.2 车辆导航系统结构分类
• 2.2 车载导航系统的架构
• 2.2.1 车载系统的体系结构
• 2.2.2 车载导航系统的模块功能划分
• 2.3 车载导航系统关键技术问题
• 2.3.1 路径规划在车载导航系统中的研究现状
• 2.3.2 Dijkstra路径规划算法研究
• 2.3.3 A*算法及其启发式公式的改进
• 2.3.4 静态路径规划
• 2.3.5 动态路径规划
• 2.4 本章小结
• 第3章 机器学习理论和交通信息预测研究
• 3.1 机器学习理论概述
• 3.1.1 Rosenblatt感知机
• 3.1.2 学习理论的创立
• 3.1.3 人工神经网络
• 3.1.4 统计学习理论
• 3.2 机械学习理论
• 3.2.1 机械学习的概念
• 3.2.2 机械学习在学习系统中的位置和作用
• 3.2.3 机械学习的主要问题
• 3.3 强化学习理论
• 3.3.1 强化学习的概念
• 3.3.2 强化学习的基本原理和模型
• 3.3.3 强化学习的特点
• 3.3.4 强化学习系统的主要元素
• 3.3.5 强化学习的主要算法
• 3.4 其他的机器学习理论
• 3.4.1 人工神经元网络理论
• 3.4.2 Bayes网络
• 3.4.3 正则技术
• 3.4.4 核学习方法
• 3.5 交通流预测技术概述
• 3.5.1 国外研究现状
• 3.5.2 国内研究现状
• 3.5.3 研究和发展趋势
• 3.6 机器学习在车载导航系统中的应用
• 3.6.1 交通信息预测技术
• 3.6.2 路径学习技术
• 3.7 本章小结
• 第4章 基于机械学习和数据拟合的交通信息预测的设计和实现
• 4.1 短时交通流预测问题概述
• 4.2 基于数据拟合的交通信息预测算法的设计和实现
• 4.2.1 提供实时交通信息的基础设施
• 4.2.2 数据拟合算法的设计和实现
• 4.3 基于数据拟合的交通信息预测算法的验证和测试
• 4.3.1 性能指标
• 4.3.2 数据筛选
• 4.3.3 模型实现
• 4.3.4 测试结果
• 4.4 本章小结
• 第5章 基于强化学习的路径学习算法的设计和实现
• 5.1 路径学习问题概述
• 5.1.1 强化学习基本模型的应用
• 5.1.2 强化学习与其他学习方法的比较
• 5.1.3 路径学习问题
• 5.2 基于强化学习的路径学习算法的设计
• 5.2.1 学习算法的设计
• 5.2.2 学习环境的设计
• 5.2.3 学习知识库的设计
• 5.2.4 学习算法执行过程的设计
• 5.3 基于强化学习的路径学习算法的实现
• 5.3.1 学习系统组件的实现目标
• 5.3.2 学习系统的实现过程
• 5.4 基于强化学习的路径学习算法的验证和测试
• 5.5 本章小结
• 第6章 基于信息预测和路径学习的路径优化算法的设计和实现
• 6.1 最优路径问题建模概述
• 6.2 地图数据的存储方式
• 6.2.1 超图理论
• 6.2.2 矢量超图
• 6.2.3 矢量超图对象模型
• 6.3 基于信息预测和路径学习的路径规划算法的设计和实现
• 6.3.1 基本路径规划算法的设计
• 6.3.2 利用交通信息预测优化路径规划算法的设计
• 6.3.3 利用路径学习优化路径规划算法的设计
• 6.4 基于信息预测和路径学习的路径规划算法的验证和测试
• 6.5 本章小结
• 第7章 总结
• 参考文献
• 致谢