本文選題：交通流短時預(yù)測 + 阻塞流狀態(tài)��； 參考：《東南大學(xué)學(xué)報(自然科學(xué)版)》2014年02期

【摘要】：提出一種考慮交通流參數(shù)相關(guān)關(guān)系的卡爾曼濾波算法,實現(xiàn)阻塞流狀態(tài)下道路網(wǎng)交通流短時預(yù)測.在交通流守恒方程的基礎(chǔ)上,借鑒偏微分方程求解Lax-Wendroff格式離散的思想,結(jié)合阻塞流狀態(tài)下交通流時間和空間特性及進出口匝道等因素的影響,建立阻塞流狀態(tài)下交通流短時預(yù)測狀態(tài)空間模型,并設(shè)計基于卡爾曼濾波方法的模型求解算法.最后以北京市某一區(qū)域路網(wǎng)為例,進行了實證性研究.研究結(jié)果表明:所建立的阻塞流狀態(tài)下交通流短時預(yù)測卡爾曼濾波算法由于同時考慮了時間和空間因素,能夠使預(yù)測平均絕對百分比誤差(MAPE)控制在10%以內(nèi);平均MAPE僅為7.96%.相同條件下,ARIMA模型和Elman模型預(yù)測MAPE分別為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.
【作者單位】： 田納西大學(xué)交通研究中心;北京交通大學(xué)城市交通復(fù)雜系統(tǒng)理論與技術(shù)教育部重點實驗室;同濟大學(xué)教育部道路與交通工程重點實驗室;
【基金】：國家自然科學(xué)基金資助項目(51178032)
【分類號】：U491

【相似文獻】

相關(guān)期刊論文 前10條

1 郭慶;那振宇;顧學(xué)邁;;一種自相似業(yè)務(wù)量預(yù)測的卡爾曼濾波算法[J];西安交通大學(xué)學(xué)報;2009年04期

2 高忠華;張興紅;陳錫侯;;卡爾曼濾波在時柵傳感器動態(tài)標定系統(tǒng)中的應(yīng)用[J];重慶理工大學(xué)學(xué)報(自然科學(xué)版);2010年02期

3 王昆;陳昕志;;多環(huán)境下卡爾曼濾波多用戶算法的性能仿真[J];中國新技術(shù)新產(chǎn)品;2010年10期

4 曲潤峰;侯明善;荊曉鵬;;方差模糊自適應(yīng)卡爾曼濾波及其應(yīng)用[J];彈箭與制導(dǎo)學(xué)報;2005年S5期

5 李智錄;胡靜;;卡爾曼濾波回歸統(tǒng)計模型及工程應(yīng)用分析[J];水電自動化與大壩監(jiān)測;2007年01期

6 房秉毅;吳嗣亮;魏國華;;距離速度跟蹤在矢量脫靶量測量中的應(yīng)用[J];系統(tǒng)工程與電子技術(shù);2007年02期

7 雷旭升;王挺;梁建宏;王田苗;;極地科考小型無人飛行器[J];北京航空航天大學(xué)學(xué)報;2009年03期

8 程艷青;高明煜;;基于卡爾曼濾波的電動汽車剩余電量估計[J];杭州電子科技大學(xué)學(xué)報;2009年03期

9 王維;龍小民;;線性系統(tǒng)的卡爾曼濾波在水雷上的應(yīng)用[J];水雷戰(zhàn)與艦船防護;2010年03期

10 劉瑞華;梁龍章;;SINS/TACAN組合導(dǎo)航卡爾曼濾波算法[J];航天控制;2010年06期

相關(guān)會議論文 前10條

1 趙汝祺;趙祚喜;趙汝準;;基于多項式卡爾曼濾波算法的車輛定位試驗研究[A];中國農(nóng)業(yè)工程學(xué)會2011年學(xué)術(shù)年會論文集[C];2011年

2 韋官余;徐伯健;丁陽;;動態(tài)阿倫方差輔助的卡爾曼濾波算法在GPS/INS組合導(dǎo)航中的應(yīng)用[A];第三屆中國衛(wèi)星導(dǎo)航學(xué)術(shù)年會電子文集——S09組合導(dǎo)航與導(dǎo)航新方法[C];2012年

3 范澎湃;王冰;;處理有色狀態(tài)噪聲的三段卡爾曼濾波算法[A];《測繪通報》測繪科學(xué)前沿技術(shù)論壇摘要集[C];2008年

4 程曦;孫淑光;;基于卡爾曼濾波算法的慣導(dǎo)系統(tǒng)的初始對準[A];2007'儀表，，自動化及先進集成技術(shù)大會論文集（二）[C];2007年

5 曾龍漢;代睿;黃劍;游軍;;智能控制技術(shù)在無刷直流電機控制系統(tǒng)中的應(yīng)用[A];2008’“先進集成技術(shù)”院士論壇暨第二屆儀表、自動化與先進集成技術(shù)大會論文集[C];2008年

6 沈艷霞;朱嶸嘉;紀志成;;基于神經(jīng)網(wǎng)絡(luò)的Wiener系統(tǒng)故障檢測方法[A];2005年全國自動化新技術(shù)學(xué)術(shù)交流會論文集[C];2005年

7 沈艷霞;朱嶸嘉;紀志成;;基于神經(jīng)網(wǎng)絡(luò)的Wiener系統(tǒng)故障檢測方法[A];2005全國自動化新技術(shù)學(xué)術(shù)交流會論文集（二）[C];2005年

8 朱寧;錢偉康;郭強;;基于嵌入式XP的光譜分析系統(tǒng)[A];全國第一屆嵌入式技術(shù)聯(lián)合學(xué)術(shù)會議論文集[C];2006年

9 梅春波;秦永元;張金亮;;基于MEMS慣性器件的兩種水平姿態(tài)算法比較研究[A];微機電慣性技術(shù)的發(fā)展現(xiàn)狀與趨勢——慣性技術(shù)發(fā)展動態(tài)發(fā)展方向研討會文集[C];2011年

10 田豐;李巖;;無人機遙感圖像的目標定位研究[A];第十七屆中國遙感大會摘要集[C];2010年

相關(guān)博士學(xué)位論文 前10條

1 周聰;基于非線性估計理論的線控轉(zhuǎn)向汽車狀態(tài)估計研究[D];西南交通大學(xué);2012年

2 楊峻巍;水下航行器導(dǎo)航及數(shù)據(jù)融合技術(shù)研究[D];哈爾濱工程大學(xué);2012年

3 葛磊;容積卡爾曼濾波算法研究及其在導(dǎo)航中的應(yīng)用[D];哈爾濱工程大學(xué);2013年

4 徐婷婷;VTS系統(tǒng)船舶跟蹤和預(yù)測的新技術(shù)研究[D];大連海事大學(xué);2012年

5 王小剛;非線性濾波方法在無人機相對導(dǎo)航上的應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2010年

6 高宇明;基于時變參數(shù)的中國要素生產(chǎn)率與經(jīng)濟增長關(guān)系研究[D];哈爾濱工業(yè)大學(xué);2008年

7 邢艷軍;微小衛(wèi)星及其編隊軌道與姿態(tài)一體化確定方法研究[D];哈爾濱工業(yè)大學(xué);2012年

8 王劍穎;航天器姿軌一體化動力學(xué)建模、控制與導(dǎo)航方法研究[D];哈爾濱工業(yè)大學(xué);2013年

9 沈悅;基于導(dǎo)航通信多模應(yīng)用的位置服務(wù)技術(shù)研究[D];中國科學(xué)技術(shù)大學(xué);2012年

10 湯儀平;間歇式染色過程織物色澤軟測量系統(tǒng)研究[D];華僑大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 徐紅珍;基于粒子群的卡爾曼濾波算法改進和優(yōu)化[D];武漢理工大學(xué);2013年

2 吳龍龍;一致性卡爾曼濾波算法及其應(yīng)用研究[D];華東交通大學(xué);2013年

3 趙艷;自主導(dǎo)航濾波算法研究[D];沈陽工業(yè)大學(xué);2012年

4 李忠良;基于神經(jīng)網(wǎng)絡(luò)的卡爾曼濾波算法研究[D];湖南工業(yè)大學(xué);2011年

5 李高飛;基于非線性統(tǒng)計模型分析的機動車定位算法實現(xiàn)研究[D];南京郵電大學(xué);2013年

6 葛浩宇;面向室內(nèi)環(huán)境的WSN跟蹤關(guān)鍵技術(shù)研究[D];浙江大學(xué);2012年

7 劉杰;附等式約束的卡爾曼濾波算法研究與應(yīng)用[D];中南大學(xué);2011年

8 刁建鋒;動態(tài)壓縮感知及其在雷達中的應(yīng)用研究[D];西安電子科技大學(xué);2013年

9 鄒振宇;基于DSP的Kalman濾波器的算法研究[D];成都理工大學(xué);2012年

10 李由;快速機動衛(wèi)星姿態(tài)確定算法研究[D];哈爾濱工業(yè)大學(xué);2012年

本文編號：2092548