高速公路旅行时间的自适应插值卡尔曼滤波预测

发布时间：2021-09-08 07:40

　　为解决高速公路收费站间非平稳交通流状态下因卡尔曼滤波算法自适应性能差而导致的旅行时间预测精度不稳定的问题,提出等间距插值和Sage-Husa自适应卡尔曼滤波相结合的预测算法。融合人工半自动收费和电子不停车收费数据计算平均旅行时间;引入等间距插值方法重构实时与历史旅行时间之间的时间序列;利用最小二乘法原理构建Sage-Husa自适应预测模型;开发旅行时间预测应用系统,实时主动预测高速公路站间旅行时间。在某示范路段的应用表明:在正常、事故、小长假3种交通流状态下,所提方法的所有周期平均相对误差均在7.5%内,事故周期平均相对误差均在10%内. 

【文章来源】：华南理工大学学报(自然科学版). 2014,42(02)北大核心EICSCD

【文章页数】：7 页

【文章目录】：
1 站间旅行时间预测原理
    1. 1 收费数据融合
    1. 2 平均旅行时间计算
    1. 3 数据等间距插值
    1. 4 卡尔曼滤波模型搭建
    1. 5 Sage-Husa自适应卡尔曼滤波预测原理
2 算法应用
    2. 1 性能评价指标
    2. 2 预测结果与误差分析
        2. 2. 1 正常交通流状态
        2. 2. 2 事故交通流状态
        2. 2. 3 小长假交通流状态
3 系统应用
4 结论


【参考文献】：
期刊论文
[1]基于收费数据的高速公路站间旅行时间预测[J]. 赵建东,王浩,刘文辉,白继根.  同济大学学报(自然科学版). 2013(12)
[2]非常态下路段行程时间估计方法[J]. 杨兆升,莫祥伦,于尧,张彪.  吉林大学学报(工学版). 2013(06)
[3]基于简化路网模型的卡尔曼滤波多步行程时间预测方法[J]. 李进燕,朱征宇,刘琳,崔明,刘微.  系统工程理论与实践. 2013(05)
[4]面向行程时间预测准确度评价的数据融合方法[J]. 李慧兵,杨晓光.  同济大学学报(自然科学版). 2013(01)
[5]基于BP网络的浮动车与线圈检测数据融合模型[J]. 熊文华,徐建闽,林思.  计算机仿真. 2009(09)
[6]基于灰色关联分析的路段行程时间卡尔曼滤波预测算法[J]. 温惠英,徐建闽,傅惠.  华南理工大学学报(自然科学版). 2006(09)



本文编号：3390400