首页|融合卡尔曼滤波的高速公路状态估计误差界限分析

融合卡尔曼滤波的高速公路状态估计误差界限分析

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为分析高速公路交通流检测数据质量，本文构建平方流量误差界(Squared Flow Error Bound，SFEB)和扩展卡尔曼滤波(Extended Kalman Filter，EKF)的决策级融合模型SFEB-EKF，在检测器空间覆盖不足情况下，计算检测路段和无检测器路段的交通状态估计误差界限。与SFEB算法相比，融合模型利用EKF交通状态估计模型估计全路段交通状态，基于得到的估计样本计算全路段交通状态估计误差下界。同时，采用最近邻法(Nearest Neighbor Method，NNM)计算全路段交通状态估计误差上界。应用开源高速公路数据集测试模型，结果表明，与需要输入真实样本的SFEB算法相比，融合模型SFEB-EKF在缺少真实样本情况下，能取得相似的结果且误差保持在5％以内，不同检测器覆盖率实验下模型表现出良好的稳定性。本文模型通过给出无检测器路段交通状态估计界限，为高速公路交通检测器布设方案提供参考。
Analyzing Error Bounds of Highway Traffic State Estimation Via Kalman Filter Fusion

陈喜群、曹震、莫栋

展开 >

浙江大学,建筑工程学院,杭州310058

智能交通 数据质量分析 决策级融合模型 估计界限 高速公路

国家自然科学基金国家自然科学基金

7192201972171210

2022

10.16097/j.cnki.1009-6744.2022.04.008

交通运输系统工程与信息
中国系统工程学会

交通运输系统工程与信息

CSTPCDCSCD北大核心
影响因子：0.664
ISSN：1009-6744
年,卷(期)：2022.22(4)
  • 3
  • 2