基于卡尔曼滤波的路径行程时间预测方法

冬1988

1引言
0 v4 c- G) R" @9 A* }3 O* r7 a+ r路径行程时间预测是交通流诱导系统的最重要研兖内容之- ,交通流诱导系统被认为是解决现代城市拥挤问题的有效手，段,其工作原理即根据当前路网交通状态和果集到的交通参数信息,为出行者提供行程时间最短的路径规划服务。在实际应用中,行程时间预测的研究内容包括交通流参数检测.数据预处理和时间序列预测等几个方面。目前，国内外关于实时行程时间预测的研究成果较多,文献1研究了行程时间预测的历史趋势方法、非参数回归模型、时间序列方法等短期预测方法和模型,并针对以上模型的不足之处提出一种综合预测方法。文献中考虑到交通疣密度不同对行程时间预测带来的影响，将车辆在路段上的行程时间预测分解为相应的车辆正常运行时间预测和延误时间预测。支持向量回归(Support Vector Regression 简称SVR)等理论也逐渐被引入和应用于行程时间预测。文献中考虑了交通流量、占有奉对快速路行程时间的影响,利用Fuzzy 回归方法进行行程时间预测建模。文献中在分析城市交通路网的复杂性和不确定性的基础上,提出基于模糊综合评判的行程时间预测模型。交通流诱导系统对路径行程时间预侧在实时性和准确度方面具有较高要求。卡尔曼滤波应用于行程时间预测具有实时性较高的优势,为提高卡尔曼滤波预测方法的准确度和自适应性,本文研究一种基于主成分分析和卡尔曼滤波理论的路径行程时何预测算法。
1 _/ T0 d. q# A7 l

游客，如果您要查看本帖隐藏内容请回复

wiusuiwj

基于主成分分析和卡尔曼滤波理论