交叉口瞬时交通流量预测的自适应卡尔曼滤波模型

《交叉口瞬时交通流量预测的自适应卡尔曼滤波模型》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第38卷，第5期公路工程Vo1．38，No．52013年10月HighwayEngineeringOct．，2013交叉口瞬时交通流量预测的自适应卡尔曼滤波模型马健，张丽岩，李克平，孙剑，朱从坤(1．同济大学道路与交通工程教育部重点实验室，同济大学交通学院，上海201804；2．苏州科技学院土木工程学院，江苏苏州215011)[摘要】提出了一个交叉口瞬时交通量预测的带时间窗自适应卡尔曼滤波模型(AdaptiveKalmanFilterMod—el，AKFM)；详细阐述了模型的理论基础、建立过程、推导步骤及状态转移矩阵；并通过c++实现了AK

2、FM和传统卡尔曼滤波模型(TraditionalKalmanFilterModel，TKFM)；最后，通过实际交叉口的检测数据对该模型与传统卡尔曼滤波模型进行了比较分析及评价。实验结果表明，AKFM模型是稳定有效的，预测精度优于TKFM。[关键词】瞬时交通流预测；卡尔曼滤波器；时间窗口；自适应方法；状态转移矩阵[中图分类号】U491．14[文献标识码】A[文章编号】1674—0610(2013)05—0107—05anImprovedAdaptiveKalmanFilterModelforShort-termTraficFlowPredic

3、tionatIntersectionMAJian，ZHANGLiyan，LIKeping，SUNJian，ZHUCongkun(1．KeyLaboratoryofRoadandTrafficEngineeringoftheMinistryofEducation，SchoolofTransportationEngineering，TongjiUniversity，Shanghai，201804，China；2．DepartmentofCivilEngineering，SuzhouUniversityofScienceandTechnology

4、，Suzhou，Jiangsu，215011，China)[Abstract]ThepaperpresentsanadaptiveKalmanfiltermodel(AKFM)withtime．windowforshort—termtrafficflowpredictionatintersection．Thenitstudiesthetheoreticalbasis，themodelingprocess，thederivationstepsandstatetransitionmatrixandimplementstheAKFMandTrad

5、itionalKal—manFilterModel(TKFM)byC++．Finally，inexperimentalstudy，thepapershowsthatAKFMissta-ble，adaptableandeffective．Itcanpromotethepredictioneficiencyandlowertherelativeerrorofpre-dictioninlimitedtimeandpredictionaccuracyisbetterthanTKFM．[Keywords]Short-termtraficflowpre

6、diction；Kalmanfilter；Time—window；Adaptivemethod；Statetransitionmatrix其中，时间序列ARIMA法是根据历史交通量的1概述时间序列信息建立模型，能较好的反应交通量的变路段瞬时交通量预测是智能交通系统的基础性化规律，但建模繁琐，所需数据量大；传统的卡尔曼理论研究，对开发智能交通诱导系统及其他交通控滤波法(TraditionalKalmanFilterModel，TKFM)预制系统具有重要的意义⋯。测交通量的效果并不理想(平均相对误差为目前，针对瞬时交通流预测问题，大约有30多1

7、7．9％)；神经网络法能实现动态预测，精度较高，种预测方法。根据预测的原理，通常可分为2类：但由于瞬时交通量本身具有不确定性及交通量信息①是基于数理统计，微积分和概率论等传统理论的的不完备性，导致预测误差较大⋯。方法，如线性回归模型，树的方法，时间序列的本文提出的带时间窗的自适应卡尔曼滤波模型方法；②是基于现代科学方法的模型，如专家系(AdaptiveKalmanFilterModel，AKFM)，其基本思路统引，混沌理论，人工神经网络引，基于事件的是将时间序列方法、自适应控制思想与卡尔曼滤波模型和卡尔曼滤波模型川。模型相融合，根据预测偏差

8、对算法进行实时修正，达[收稿日期]20l3—0l一29[基金项目】国家自然科学基金(61004113和71072027)、江苏省高校自然科学基金(12KJB580005)【作者简