6.预测模型，难点分析

经过最近的研究，发现对于轨迹预测我可以做的大概有三个方向：

1.改进数据预处理，提供更利于学习的抽象轨迹

2.做数据融合，增加预测信息提高预测精度

3.改进学习模型，使用理论上准确率就低的模型是无意义的，但是改进模型需要扎实的数学基础而且难度极大

准备再研究半个月左右预测模型，没有突破就转移到其他方向。

先说机器学习这件事，感觉是从变化的东西中找到不变的地方，利用这不变的一点来判断其他。就是机器学习最基本的分类问题，预测问题只要穷举未来再当作分类问题判断就可以了。一般的图像识别是提取不变的特征，马尔可夫模型是假设转移概率的恒定。我要想办法挖掘轨迹序列中不变的东西，可以是某种特征也可以是某种转移概率，应该还有其他。

论文最后实验怎么设计也是问题，对比哪些参数，对比哪些模型，怎么和别人对比。

用抛硬币举个例子，每个人都知道抛硬币抛出正面的概率是50%，可是现在抛了一连串硬币让我预测下一次抛出什么，我只能统计之前抛出正面和反面的数量，哪个统计的多猜哪个（因为硬币可能不均，统计出大于50%例如51%的那面出现的可能性还是更大），但是我的预测的准确率大概也是51%，先天限制没法更多。我肯定要换个角度了。

是不是可以做流量预测，用大量数据统计出不同时间点的转移概率，然后预测下一时间点哪里船多哪里船少。这个方向接近一种大数据分析，预测的是整体性的东西，这样难度应该比较低。

波形分析

画出x坐标关于时间的曲线

观察波形可以总结出曲线要么向上要么向下（坐标递增或递减），把渔船速度向xy轴分解，在x轴的速度就是x坐标曲线的斜率。

把问题分解开，先预测渔船x坐标曲线向上或向下（越接近波峰或波谷越容易变向，波峰和波谷看上去比较稳定）。然后根据之前的速度估计之后的速度（就是假设之后的曲线斜率不变），把xy轴的速度再结合就是要预测的渔船下一步的速度和方向。

可以只预测x方向掉转的概率，也可以用拟合预测下一时刻x值。

参考

http://blog.csdn.net/doorxp/article/details/7684058

线性回归：https://msdn.microsoft.com/zh-cn/mt238410?utm_source=tuicool&utm_medium=referral