基于混合方法的自动驾驶车辆位置预测技术

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

自动驾驶系统中的轨迹规划问题是防止多车碰撞的重要因素。但是，准确地预测车辆未来的位置目前仍然是一项棘手的任务，尤其是在智能交通系统中。本文提出了一种混合方法来解决车辆在GPS中断情况下的位置预测问题，如短暂或长期的GPS中断等。该方法综合了模糊推理系统（FIS）和稀疏随机高斯（SRG）模型的优点，因此被命名为FISSRG方法。该方法能够大大降低车辆位置预测的误差。首先通过调整由稀疏随机高斯模型监测的GPS传播权重，然后由模糊推理系统更新定义上述GPS中断，最后将更新后的GPS信息传播给自动驾驶系统。本文基于GPS和INS数据进行实验，得出的结果与现有预测方法相比较，验证了所提出方法的性能良好。

本文提出的这种混合方法即使在复杂的环境中（例如GPS完全或部分中断情况）也能够实现准确而可靠的车辆位置预测。这种混合方法聚合了模糊推理系统和稀疏随机高斯模型的优点，使得车辆位置预测误差大大降低。该方法利用模糊推理系统（FIS）来更新来自GPS和INS的所有当前车辆信息，以获得最优预测车辆位置。此外，引入压缩估计技术LASSO来优化预测矩阵的测量稀疏参数。本文所提出的方法可以有效地用于各种运输应用中，尤其是应急车辆通知系统或防撞系统等。