基于交通流参数相关的阻塞流短时预测卡尔曼滤波算法

发布时间：2018-07-03 05:19

  本文选题：交通流短时预测 + 阻塞流状态　； 参考：《东南大学学报(自然科学版)》2014年02期

【摘要】：提出一种考虑交通流参数相关关系的卡尔曼滤波算法,实现阻塞流状态下道路网交通流短时预测.在交通流守恒方程的基础上,借鉴偏微分方程求解Lax-Wendroff格式离散的思想,结合阻塞流状态下交通流时间和空间特性及进出口匝道等因素的影响,建立阻塞流状态下交通流短时预测状态空间模型,并设计基于卡尔曼滤波方法的模型求解算法.最后以北京市某一区域路网为例,进行了实证性研究.研究结果表明:所建立的阻塞流状态下交通流短时预测卡尔曼滤波算法由于同时考虑了时间和空间因素,能够使预测平均绝对百分比误差(MAPE)控制在10%以内;平均MAPE仅为7.96%.相同条件下,ARIMA模型和Elman模型预测MAPE分别为19.88%和10.51%.
[Abstract]:A Kalman filter algorithm considering the correlation of traffic flow parameters is proposed to predict the traffic flow in a short time under the condition of congestion flow. Based on the conservation equation of traffic flow, the discrete idea of solving Lax-Wendroff scheme with partial differential equation is used for reference. A state space model for short time prediction of traffic flow in blocked flow is established, and a model solving algorithm based on Kalman filter is designed. Finally, taking a regional network in Beijing as an example, the empirical study is carried out. The results show that the proposed algorithm can control the mean absolute percentage error (MAPE) of prediction within 10% and the average MAPE is only 7.96 because the time and space factors are taken into account. Under the same conditions, the MAPE predicted by Arima model and Elman model were 19.88% and 10.51%, respectively.
【作者单位】： 田纳西大学交通研究中心;北京交通大学城市交通复杂系统理论与技术教育部重点实验室;同济大学教育部道路与交通工程重点实验室;
【基金】：国家自然科学基金资助项目(51178032)
【分类号】：U491

【相似文献】

相关期刊论文 前10条

1 郭庆;那振宇;顾学迈;;一种自相似业务量预测的卡尔曼滤波算法[J];西安交通大学学报;2009年04期

2 高忠华;张兴红;陈锡侯;;卡尔曼滤波在时栅传感器动态标定系统中的应用[J];重庆理工大学学报(自然科学版);2010年02期

3 王昆;陈昕志;;多环境下卡尔曼滤波多用户算法的性能仿真[J];中国新技术新产品;2010年10期

4 曲润峰;侯明善;荆晓鹏;;方差模糊自适应卡尔曼滤波及其应用[J];弹箭与制导学报;2005年S5期

5 李智录;胡静;;卡尔曼滤波回归统计模型及工程应用分析[J];水电自动化与大坝监测;2007年01期

6 房秉毅;吴嗣亮;魏国华;;距离速度跟踪在矢量脱靶量测量中的应用[J];系统工程与电子技术;2007年02期

7 雷旭升;王挺;梁建宏;王田苗;;极地科考小型无人飞行器[J];北京航空航天大学学报;2009年03期

8 程艳青;高明煜;;基于卡尔曼滤波的电动汽车剩余电量估计[J];杭州电子科技大学学报;2009年03期

9 王维;龙小民;;线性系统的卡尔曼滤波在水雷上的应用[J];水雷战与舰船防护;2010年03期

10 刘瑞华;梁龙章;;SINS/TACAN组合导航卡尔曼滤波算法[J];航天控制;2010年06期

相关会议论文 前10条

1 赵汝祺;赵祚喜;赵汝准;;基于多项式卡尔曼滤波算法的车辆定位试验研究[A];中国农业工程学会2011年学术年会论文集[C];2011年

2 韦官余;徐伯健;丁阳;;动态阿伦方差辅助的卡尔曼滤波算法在GPS/INS组合导航中的应用[A];第三届中国卫星导航学术年会电子文集——S09组合导航与导航新方法[C];2012年

3 范澎湃;王冰;;处理有色状态噪声的三段卡尔曼滤波算法[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

4 程曦;孙淑光;;基于卡尔曼滤波算法的惯导系统的初始对准[A];2007'仪表，，自动化及先进集成技术大会论文集（二）[C];2007年

5 曾龙汉;代睿;黄剑;游军;;智能控制技术在无刷直流电机控制系统中的应用[A];2008’“先进集成技术”院士论坛暨第二届仪表、自动化与先进集成技术大会论文集[C];2008年

6 沈艳霞;朱嵘嘉;纪志成;;基于神经网络的Wiener系统故障检测方法[A];2005年全国自动化新技术学术交流会论文集[C];2005年

7 沈艳霞;朱嵘嘉;纪志成;;基于神经网络的Wiener系统故障检测方法[A];2005全国自动化新技术学术交流会论文集（二）[C];2005年

8 朱宁;钱伟康;郭强;;基于嵌入式XP的光谱分析系统[A];全国第一届嵌入式技术联合学术会议论文集[C];2006年

9 梅春波;秦永元;张金亮;;基于MEMS惯性器件的两种水平姿态算法比较研究[A];微机电惯性技术的发展现状与趋势——惯性技术发展动态发展方向研讨会文集[C];2011年

10 田丰;李岩;;无人机遥感图像的目标定位研究[A];第十七届中国遥感大会摘要集[C];2010年

相关博士学位论文 前10条

1 周聪;基于非线性估计理论的线控转向汽车状态估计研究[D];西南交通大学;2012年

2 杨峻巍;水下航行器导航及数据融合技术研究[D];哈尔滨工程大学;2012年

3 葛磊;容积卡尔曼滤波算法研究及其在导航中的应用[D];哈尔滨工程大学;2013年

4 徐婷婷;VTS系统船舶跟踪和预测的新技术研究[D];大连海事大学;2012年

5 王小刚;非线性滤波方法在无人机相对导航上的应用研究[D];哈尔滨工业大学;2010年

6 高宇明;基于时变参数的中国要素生产率与经济增长关系研究[D];哈尔滨工业大学;2008年

7 邢艳军;微小卫星及其编队轨道与姿态一体化确定方法研究[D];哈尔滨工业大学;2012年

8 王剑颖;航天器姿轨一体化动力学建模、控制与导航方法研究[D];哈尔滨工业大学;2013年

9 沈悦;基于导航通信多模应用的位置服务技术研究[D];中国科学技术大学;2012年

10 汤仪平;间歇式染色过程织物色泽软测量系统研究[D];华侨大学;2011年

相关硕士学位论文 前10条

1 徐红珍;基于粒子群的卡尔曼滤波算法改进和优化[D];武汉理工大学;2013年

2 吴龙龙;一致性卡尔曼滤波算法及其应用研究[D];华东交通大学;2013年

3 赵艳;自主导航滤波算法研究[D];沈阳工业大学;2012年

4 李忠良;基于神经网络的卡尔曼滤波算法研究[D];湖南工业大学;2011年

5 李高飞;基于非线性统计模型分析的机动车定位算法实现研究[D];南京邮电大学;2013年

6 葛浩宇;面向室内环境的WSN跟踪关键技术研究[D];浙江大学;2012年

7 刘杰;附等式约束的卡尔曼滤波算法研究与应用[D];中南大学;2011年

8 刁建锋;动态压缩感知及其在雷达中的应用研究[D];西安电子科技大学;2013年

9 邹振宇;基于DSP的Kalman滤波器的算法研究[D];成都理工大学;2012年

10 李由;快速机动卫星姿态确定算法研究[D];哈尔滨工业大学;2012年

本文编号：2092548