GPS信号中断时的车辆位置预测：基于W-PLSR算法

"这篇论文探讨了在GPS信号中断的情况下，如何使用基于偏最小二乘回归（Partial Least Squares Regression, PLSR）的车辆位置预测方法。作者王东、廖嘉琦等人提出了一种名为窗口的偏最小二乘回归（Window-based PLSR, W-PLSR）的算法，该算法利用低成本传感器的数据来提高位置预测的精度。" 在智能交通系统（Intelligent Transport Systems, ITS）中，车辆的位置预测扮演着关键角色，尤其对于交通安全和效率而言。随着技术的发展，对位置预测的精度要求越来越高。然而，GPS信号可能会因各种原因中断，例如建筑物遮挡、电磁干扰或恶意阻断，这给车辆定位带来了挑战。为此，研究人员提出了W-PLSR算法，旨在GPS信号失效时提供可靠的车辆位置预测。 W-PLSR算法的核心在于利用一个时间窗口来处理传感器数据。它只考虑窗口内的数据，排除了窗口之外的信息，这样可以减少不相关数据的影响，提高预测的准确性。此外，由于使用的是低成本传感器，该方法在成本效益方面具有优势，适合大规模应用。 论文通过在实际城市环境中进行的道路试验验证了W-PLSR算法的效果，并将其与其他常用方法进行了对比，如PLSR本身、基于扩展卡尔曼滤波（Extended Kalman Filter, EKF）的交互多模型算法（Interacting Multiple Model-EKF, IMM-EKF）等。实验结果证明，W-PLSR算法在GPS信号中断时，对于车辆位置的预测精度显著高于其他方法。 关键词涵盖了位置预测、GPS中断、W-PLSR以及传感器技术，表明这篇论文深入研究了在GPS不可用条件下的车辆定位问题，提出的W-PLSR算法是对现有技术的重要补充，有助于提升智能交通系统的性能和可靠性。 中图分类号：TP391，表明这是与计算机科学技术相关的文章，具体涉及的是数据处理和控制技术。英文标题"Low-cost Sensors Aided Vehicular Position Prediction with Partial Least Squares Regression during GPS Outage"进一步强调了低成本传感器在GPS中断时对车辆位置预测的支持。 这篇论文的研究成果对于智能交通领域的定位技术发展具有积极的推动作用，特别是在应对GPS信号不稳定或丢失的场景下，提供了更加准确且经济有效的解决方案。