基于混合方法的自動駕駛車輛位置預測技術

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

自動駕駛系統中的軌跡規劃問題是防止多車碰撞的重要因素。但是，準確地預測車輛未來的位置目前仍然是一項棘手的任務，尤其是在智能交通系統中。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（FIS）和稀疏隨機高斯（SRG）模型的優點，因此被命名為FISSRG方法。該方法能夠大大降低車輛位置預測的誤差。首先通過調整由稀疏隨機高斯模型監測的GPS傳播權重，然后由模糊推理系統更新定義上述GPS中斷，最后將更新后的GPS信息傳播給自動駕駛系統。本文基于GPS和INS數據進行實驗，得出的結果與現有預測方法相比較，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雜的環境中（例如GPS完全或部分中斷情況）也能夠實現準確而可靠的車輛位置預測。這種混合方法聚合了模糊推理系統和稀疏隨機高斯模型的優點，使得車輛位置預測誤差大大降低。該方法利用模糊推理系統（FIS）來更新來自GPS和INS的所有當前車輛信息，以獲得最優預測車輛位置。此外，引入壓縮估計技術LASSO來優化預測矩陣的測量稀疏參數。本文所提出的方法可以有效地用于各種運輸應用中，尤其是應急車輛通知系統或防撞系統等。