自适应滤波器在实时交通状态估计中的应用
把自适应滤波器和宏观随机交通流模型结合起来,可以实现对高速公路交通状态的实时估计。高速公路模型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。交通传感器设置在路段的交界处,且数量远少于所需估计的状念。本文比较了扩展卡尔曼滤波、无轨迹卡尔曼滤波和粒子滤波三种滤波器在实时交通状态估计问题中的性能,仿真结果表明这三种滤波方法均能够有效地估计和跟踪交通状态的变化,但是在估计精度上粒子滤波器和UKF显著地优于扩展卡尔曼滤波器。
非线性估计 宏观随机交通流模型 扩展卡尔曼滤波 无轨迹卡尔曼 自适应滤波器 粒子滤波 交通状态估计
程松 陈光梦
复旦大学电子工程系 上海 200433
国内会议
重庆·云南丽江
中文
566-570
2007-12-07（万方平台首次上网日期，不代表论文的发表时间）