-
题名一种利用UKF的高速公路实时交通状态估计方法
被引量:1
- 1
-
-
作者
程松
陈光梦
-
机构
复旦大学电子工程系
-
出处
《计算机工程与应用》
CSCD
北大核心
2008年第8期226-229,241,共5页
-
文摘
把无轨迹卡尔曼滤波器(UKF)和宏观随机交通流模型结合在一起,可以实现对高速公路交通状态的实时估计。高速公路被看作是由等距离的路段首尾相接而成的系统,每个路段中交通变量的更新不光与其自身有关,还受到相邻路段的影响。交通传感器通常设置在路段的交界处,而且数量远少于所需估计的交通状态。采用压缩状态空间的形式,将模型参数也作为交通状态而非常量进行估计。仿真结果表明UKF方法能够有效地估计和跟踪交通状态的变化,并且与扩展卡尔曼滤波方法相比具有更高的精确度。
-
关键词
非线性估计
UKF
宏观随机交通流模型
扩展卡尔曼滤波
-
Keywords
nonlinear estimation
unscented Kalman filtering
macroscopic stochastic traffic flow model
extended Kalman filter
-
分类号
TP13
[自动化与计算机技术—控制理论与控制工程]
-
-
题名一种利用粒子滤波的实时交通状态估计方法
被引量:2
- 2
-
-
作者
程松
陈光梦
-
机构
复旦大学电子工程系
-
出处
《微型电脑应用》
2008年第2期13-17,4,共5页
-
文摘
将粒子滤波理论和宏观随机交通流模型结合,对高速公路交通状态进行实时估计。在该方法中,高速公路被看作是由等距离的路段首尾相接而形成的模型,交通传感器通常设置在路段的交界处,而且数量远少于所需估计的交通状态。采用压缩状态空间的形式,将模型参数也作为交通状态而非常量进行估计。仿真结果表明粒子滤波方法能够有效地估计和跟踪交通状态的变化,并且与扩展卡尔曼滤波方法相比具有更高的精确度。
-
关键词
非线性估计
贝叶斯估计
粒子滤波
宏观随机交通流模型
扩展卡尔曼滤波
-
Keywords
Nonlinear estimation
Bayesian estimation
Particle filtering
Macroscopic stochastic traffic flow model
Extended Kalman filter
-
分类号
TP13
[自动化与计算机技术—控制理论与控制工程]
-