《表2 RMSE结果比较：面向城市道路的多传感器融合定位导航技术》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《面向城市道路的多传感器融合定位导航技术》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

表2显示了各种情况下不同方法计算出的RMSE，SVM和LSTM存在着较大的位置偏移，SVM若将低维非线性的轨迹数据转化成高维问题，更有助于解决计算复杂度，有效降低导航系统的错误率；基于FGP的GSO车载装置采集的轨迹数据最为精准，由于GBDT是通过减少模型偏差来提高预测性能，使得数据集更符合FGP算法，不仅可以排除因道路复杂而采集的定位异常值；还可提取车辆静止和运动状态下的非线性数据特征；FGP与LSTM和SVM相比，轨迹预测精度分别提高了50.29%和62.68%。