[1] 李万高,赵雪梅,孙德厂. 基于改进贝叶斯方法的轨迹预测算法研究[J]. 计算机应用, 2013,33(7):1960-1963.
[2] LI Z B, LIU P, WANG W, et al. Using support vector machine models for crash injury severity analysis[J]. Accident Analysis & Prevention, 2012,45:478-486.
[3] 张迎亚. 基于隐马尔可夫模型的车辆轨迹预测算法的研究[D]. 南京:南京邮电大学, 2017.
[4] 陈思静,张可. VANETs中的车辆移动规律性及轨迹预测研究[J]. 计算机工程与应用, 2016,52(18):139-143.
[5] 卓鹏宇. 基于时间序列分析的股票趋势预测模型研究[D]. 杭州:浙江工业大学, 2016.
[6] 王俊华,左万利,闫昭. 基于朴素贝叶斯模型的单词语义相似度度量[J]. 计算机研究与发展, 2015,52(7):1499-1509.
[7] 刘章君,郭生练,李天元,等. 贝叶斯概率洪水预报模型及其比较应用研究[J]. 水利学报, 2014,45(9):1019-1028.
[8] BABU N, SUJATHA S, NARAYANAN S, et al. New approach for prediction of influence of vehicle dynamics parameters on instability of unmanned track vehicle using robotic approach[J]. Journal of Mechanical Science and Technology, 2018,32(3):1357-1365.
[9] YU B, YIN H T, ZHU Z X. Spatio-Temporal Graph Convolutional Networks: A Deep Learning Framework for Traffic Forecasting[DB/OL]. (2017-09-14). https://arxiv.org/pdf/1709.04875v1.pdf.
[10]陈英. 高斯混合模型聚类及其优化算法研究[D]. 南昌:华东交通大学, 2015.
[11]刘平. ANSYS网格划分精度与计算精度[C]// 2016年中国水产学会学术年会论文摘要集. 2016:298.
[12]詹盛,徐远新,石涌泉,等. 基于模糊着色Petri网的车辆运动轨迹预测[J]. 计算机工程与应用, 2014,50(3):227-231.
[13]高磊,刘乐平,卢志义. 大数据背景下贝叶斯模型平均的理论突破与应用前景[J]. 统计与信息论坛, 2016,31(6):14-22.
[14]COELHO I M, COELHO V N, LUZ E J D S, et al. A GPU deep learning metaheuristic based model for time series forecasting[J]. Applied Energy, 2017,201:412-418.
[15]张永华,杜煜,潘峰,等. 基于三次B样条曲线拟合的智能车轨迹跟踪算法[J]. 计算机应用, 2018,38(6):1562-1567.
[16]AL-MILLI S, SENEVIRATNE L D, ALTHOEFER K. Track-terrain modelling and traversability prediction for tracked vehicles on soft terrain[J]. Journal of Terramechanics, 2010,47(3):151-160.
[17]朱军,胡文波. 贝叶斯机器学习前沿进展综述[J]. 计算机研究与发展, 2015,52(1):16-26.
[18]丁军,张佐,陈洪昕,等. 车辆轨迹数据的若干处理方法研究[J]. 交通信息与安全, 2011,29(5):10-14.
[19]夏卓群,胡珍珍,罗君鹏. EAVTP:一种环境自适应车辆轨迹预测方法[J]. 小型微型计算机系统, 2016,37(10):2375-2379.
[20]唐克双,杨博文,许凯,等. 基于车辆轨迹数据的交叉口危险驾驶行为预测[J]. 同济大学学报(自然科学版), 2017,45(10):1454-1461.
[21]董学仁. 基于立体视觉的球状飞行物体的轨迹预测的研究[D]. 厦门:厦门大学, 2014.
[22]彭曲,丁治明,郭黎敏. 基于马尔可夫链的轨迹预测[J]. 计算机科学, 2010,37(8):189-193.
[23]LIANG Y X, KE S Y, ZHANG J B, et al. GeoMAN: Multi-level attention networks for geo-sensory time series prediction[C]// Proceedings of the 27th International Joint Conference on Artificial Intelligence. 2018:3428-3434. |